Question

假设我有一个pandas数据帧，例如：

id | name

1    foo

1    bar

2    foo

3    bar

我的目标是获得同时拥有'foo'和'bar'

的不同ID的百分比

到目前为止，我已尝试df.groupby('id').name.nunique()，我不想要一个唯一名称，我想专门搜索foo和bar。

有人能帮助我吗？

Answer 1

names_per_id = df.groupby('id')['name'].unique()

为您提供一系列列表，其中包含：

id
1    [foo, bar]
2         [foo]
3         [bar]

从那里我们可以获得具有foo和bar的id：

foo_and_bar = names_per_id.apply(lambda row: ('foo' in row) and ('bar' in row))

1     True
2    False
3    False

最后，计算你要求的百分比：

pct = foo_and_bar.mean()

0.33333333333333331

Answer 2

这是一般解决方案。只需使用您选择的自定义列表替换[＆＃39; foo＆＃39;，＆＃39; bar＆＃39;]列表。

res = df.groupby('id')['name'].agg(lambda s: np.all(np.in1d(['foo', 'bar'], s)))

哪个输出：

     name
id       
1    True
2   False
3   False

然后只取这个系列的意思

res.mean()

输出

name    0.333333
dtype: float64

将它全部放在熊猫中：

df.groupby('id')['name'].agg(lambda s: pd.Series(['foo', 'bar']).isin(s).all()).mean()