Question

我的数据框如下：

d = {
  'id': [1, 2, 3, 4, 5], 
  'is_overdue': [True, False, True, True, False],
  'org': ['A81001', 'A81002', 'A81001', 'A81002', 'A81003']
}
df = pd.DataFrame(data=d)

现在我想为每个组织解决，过期的行数百分比，以及没有的百分比。

我知道如何按组织分组和逾期状态：

df.groupby(['org', 'is_overdue']).agg('count')

但我如何按组织获得比例？我想最终得到这样的东西：

org      is_overdue   not_overdue   proportion_overdue
A81001   2            0             100
A81002   1            1             50
A81003   0            1             0

Answer 1

您可以使用DataFrame.apply。

组织的第一组，并计算逾期/未逾期的数量。然后计算百分比。

df_overdue = df.groupby(['org']).apply(lambda dft: pd.Series({'is_overdue': dft.is_overdue.sum(), 'not_overdue': (~dft.is_overdue).sum()}))
df_overdue['proportion_overdue'] = df_overdue['is_overdue'] / (df_overdue['not_overdue'] + df_overdue['is_overdue'])

print(df_overdue)

输出

        is_overdue  not_overdue  proportion_overdue
org                                                
A81001           2            0                 1.0
A81002           1            1                 0.5
A81003           0            1                 0.0

Answer 2

您可以使用pd.crosstab创建频率表 - 即计算每个is_overdue的{{1}}个数。

org

产量

import pandas as pd
d = {
  'id': [1, 2, 3, 4, 5], 
  'is_overdue': [True, False, True, True, False],
  'org': ['A81001', 'A81002', 'A81001', 'A81002', 'A81003']
}
df = pd.DataFrame(data=d)

result = pd.crosstab(index=df['org'], columns=df['is_overdue'], margins=True)
result = result.rename(columns={True:'is_overdue', False:'not overdue'})
result['proportion'] = result['is_overdue']/result['All']*100
print(result)

Answer 3

有更有效的方法可以做到这一点，但由于您最初尝试使用聚合函数，这是使用聚合函数解决问题的方法：

df.is_overdue = df.is_overdue.map({True: 1, False: 0})
df.groupby(['org'])['is_overdue'].agg({'total_count':'count', 'is_overdue':   'sum'}).reset_index()

现在你可以很容易地计算not_overdue和proportion_overdue。

分组，计算和计算熊猫的比例？

3 个答案: