Question

我想计算一组使用熊猫的人的流动率。小组的规模可能会发生变化，但我想知道每年离开的人数百分比。

更好地用一个例子来解释。这是我的示例数据：

  teachers  year
0     John  2007
1     Paul  2007
2     Mary  2007

3     John  2008
4     Paul  2008
5     Abel  2008
6     Watt  2008

7     John  2009
8     Mary  2009

我想到达这个数据集：

year turnover 
2008 .33333 
2009 .75

第一年，玛丽离开，第二年保罗，亚伯和瓦特离开了。这会有一些偏见：如果集团正在萎缩，那么周转率会更大。

Answer 1

计划

我将使用'year'和'teachers'设置索引，因此我assign提前为x=1虚拟变量。
我想将'year'作为索引，因此我unstack将'teachers'放入列中。我使用fill_value=0选项填写零，其中教师在特定年份不在那里。
使用diff并检查是否等于-1表示营业额事件。 sum(1)总结所有营业额事件。
d1.sum(1).shift()统计上一年的所有教师。
除以获得营业额。

d1 = pd.Series(1, [df.year, df.teachers]).unstack(fill_value=0)
d1.diff().eq(-1).sum(1).div(d1.sum(1).shift(), 0).dropna()

year
2008    0.333333
2009    0.750000
dtype: float64

正如@jrjc在评论中指出的那样，我的第一行是crosstab。考虑到这一点，我们可以将代码缩减为：

d1 = pd.crosstab(df.year, df.teachers)
d1.diff().eq(-1).sum(1).div(d1.sum(1).shift(), 0).dropna()

使用pipe

的一行

pd.crosstab(df.year, df.teachers).pipe(
    lambda c: c.diff().eq(-1).sum(1).div(c.sum(1).shift(),0).dropna()
)

Answer 2

这是一种可能性：

from io import StringIO

import numpy as np
import pandas as pd

data = pd.read_table(StringIO(
"""  teachers  year
0     John  2007
1     Paul  2007
2     Mary  2007
3     John  2008
4     Paul  2008
5     Abel  2008
6     Watt  2008
7     John  2009
8     Mary  2009"""
), delim_whitespace=True, index_col=0)

data['presence'] = 1
teacher_presence = data.groupby(['teachers', 'year']).count().unstack(1).fillna(0)
teacher_presence.columns = teacher_presence.columns.droplevel(0)

teacher_remain = teacher_presence.iloc[:, 1:] * teacher_presence.iloc[:, :-1].values
turnover = 1 - teacher_remain.sum() / teacher_presence.iloc[:, :-1].sum().values
turnover.name = 'turnover'

print(turnover)

结果：

year
2008    0.333333
2009    0.750000
Name: turnover, dtype: float64

Answer 3

您还可以在分组后将教师转换为expand，然后执行设置操作。

set

熊猫：如何计算离职率？

3 个答案: