Question

使用数据框和熊猫，我试图找出每个值占“分组依据”类别总计百分比的百分比

所以，使用小费数据库，我希望看到，对于每个性别/吸烟者，总账单占女性吸烟者/所有女性和女性非吸烟者/所有女性的比例（男性同样的事情））

例如，

如果完整数据集是：

Sex, Smoker, Day, Time, Size, Total Bill
Female,No,Sun,Dinner,2, 20
Female,No,Mon,Dinner,2, 40
Female,No,Wed,Dinner,1, 10
Female,Yes,Wed,Dinner,1, 15

第一行的值是（20 + 40 + 10）/（20 + 40 + 10 + 15），因为那些是非吸烟女性的其他3个值

所以输出应该看起来像

Female No 0.823529412
Female Yes 0.176470588

然而，我似乎遇到了一些麻烦

当我这样做时，

import pandas as pd
df=pd.read_csv("https://raw.githubusercontent.com/wesm/pydata-   book/master/ch08/tips.csv", sep=',')
df.groupby(['sex', 'smoker'])[['total_bill']].apply(lambda x: x / x.sum()).head()

我得到以下内容：

    total_bill
0   0.017378
1   0.005386
2   0.010944
3   0.012335
4   0.025151

它似乎忽略了该组，只是为每个订单项计算

我正在寻找更像

的东西

df.groupby(['sex', 'smoker'])[['total_bill']].sum()

将返回

        total_bill
sex smoker  
Female  No  977.68
        Yes 593.27
Male    No  1919.75
       Yes  1337.07

但我希望这表示为个别性别/吸烟者组合总数的总数百分比或

Female No  977.68/(977.68+593.27)
Female Yes  593.27/(977.68+593.27)
Male No  1919.75/(1919.75+1337.07)
Male Yes  1337.07/(1919.75+1337.07)

理想情况下，我希望同时使用“提示”列。

我做错了什么，如何解决这个问题？谢谢！

Answer 1

在获得sum表以计算百分比后，您可以按流程添加另一个分组：

(df.groupby(['sex', 'smoker'])['total_bill'].sum()
   .groupby(level = 0).transform(lambda x: x/x.sum()))   # group by sex and calculate percentage

#sex     smoker
#Female  No        0.622350
#        Yes       0.377650
#Male    No        0.589455
#        Yes       0.410545
#dtype: float64

熊猫分组 - 分组总数不起作用的百分比值

1 个答案: