Question

我无法发表评论，因为我不熟悉stackoverflow，因此无法直接在线程中提问，但我想在此question澄清解决方案：

# From Paul H
import numpy as np
import pandas as pd
np.random.seed(0)
df = pd.DataFrame({'state': ['CA', 'WA', 'CO', 'AZ'] * 3,
                   'office_id': list(range(1, 7)) * 2,
                   'sales': [np.random.randint(100000, 999999)
                             for _ in range(12)]})
state_office = df.groupby(['state', 'office_id']).agg({'sales': 'sum'})
# Change: groupby state_office and divide by sum
state_pcts = state_office.groupby(level=0).apply(lambda x:
                                                 100 * x / float(x.sum()))

我理解多索引选择（0级v。级别1），但我不清楚lambda函数中的每个x所指的是什么。我x中的x.sum()会引用level = 0（对level = 0的每个分组中的所有结果求和），x中的100 * x似乎是指groupby对象中的每个单独结果（而不是索引level = 0分组）。

很抱歉这样一个基本问题，但解释会非常有用！

Answer 1

这是state_office DataFrame：

state_office
Out: 
                  sales
state office_id        
AZ    2          589661
      4          339834
      6          201054
CA    1          760950
      3          935865
      5          464993
CO    1          737207
      3          154900
      5          277555
WA    2          510215
      4          640508
      6          557411

如果您在level = 0上对此进行分组，则组将为：

                  sales
state office_id        
AZ    2          589661
      4          339834
      6          201054

                  sales
state office_id        
CA    1          760950
      3          935865
      5          464993

                  sales
state office_id        
CO    1          737207
      3          154900
      5          277555

将groupby.apply与自定义函数一起使用时，这些组将成为此函数的输入（lambda x中为x）。我将使用术语group而不是x来更明确。

令你困惑的是广播。如果对于特定组，您使用group / group.sum()，那么它将除以该组中的每个元素。我们来看第一组：

                  sales
state office_id        
AZ    2          589661
      4          339834
      6          201054

group.sum()返回：

group.sum()
Out: 
sales    1130549
dtype: int64

由于它只有一个元素，float(x.sum())将返回1130549.0。（一个更干净的版本将选择GroupBy对象上的销售系列，然后应用该功能。state_office.groupby(level=0)['sales'].apply(lambda x: 100 * x / x.sum())这里，x是一个系列，所以x.sum()将是一个标量，所以你不会需要float(x.sum())）。

如果您将每个元素除以此值，则会得到所需的结果：

group / group.sum()
Out: 
                    sales
state office_id          
AZ    2          0.521570
      4          0.300592
      6          0.177837

pandas / numpy在这一点上指出，如果形状不同但有一个共同的轴，则应该基于此进行操作（更基本的是，如果传递三个数字而不是元素方式除了你只通过一个数字，它知道你想要用这个单个数字来划分这三个数字中的每一个。）

Answer 2

让我们一起阅读文档。 (Source)

GroupBy.apply（ func ，* args，** kwargs）[source]应用函数func 分组并将结果合并在一起。

从上面的签名中查看func：

func：function

可以调用将数据帧作为其第一个参数，并返回一个   数据框，一系列或标量。另外，可以调用   位置和关键字参数

在OP的示例中，lambda x: 100 * x / float(x.sum()在文档中为func。在文档中，x这里是一个数据框，是groupby调用后的一组组。

关于pandas groupby中lambda算子的澄清

2 个答案: