Question

这是我的数据框架的示例：

company_name country_code state_code software finance commerce etc......
google       USA           CA          1        0          0
jimmy        GBR           unknown     0        0          1
microsoft    USA           NY          1        0          0

我想获得每个州每个行业的平均数量，例如：我可以让CA中14％的行业使用软件，CA中15％的行业是医疗保健等......

显然，我需要获得各州所有行业的公司总数，并将每个行业的公司数量除以此，以获得每个州每个行业的百分比。

我无法找到一种有效的方法来做到这一点。

显然我尝试过以不同的方式使用这样的东西，但无济于事：

new_df = df['state_code'].value_counts(normalize=True)

我希望获得所有列软件，财务，商业等的总和......然后在与其他列进行比较时给出每列的百分比。

预期产出：

State_Code software finance commerce etc..... 
CA           20%      10%     5%       65%
NY           10%      20%     10%      60%
AH           5%       5%      20%      70%

Answer 1

我认为需要首先汇总sum，然后除以每行的div列总数：

print (df)
  company_name country_code state_code  software  finance  commerce
0       google          USA         CA         1        0         4
1        jimmy          GBR    unknown         5        6         1
2    microsoft          USA         NY         1        0         0


#convert all columns without first to floats or ints
cols = df.columns.difference(['company_name', 'country_code', 'state_code'])
df[cols] = df[cols].astype(float)
#if not possible use astype because some non numeric values 
#df[cols] = df[cols].apply(lambda x: pd.to_numeric(x, errors='coerce'))

a = df.groupby(['state_code']).sum()
df = a.div(a.sum(axis=1), axis=0)
print (df)
            software  finance  commerce
state_code                             
CA          0.200000      0.0  0.800000
NY          1.000000      0.0  0.000000
unknown     0.416667      0.5  0.083333

如果您还需要百分比，则乘以100，如果必要，请添加round并投放到integer s：

df = a.div(a.sum(1), axis=0).mul(100).round(0).astype(int)
print (df)
            software  finance  commerce
state_code                             
CA                20        0        80
NY               100        0         0
unknown           42       50         8

上次添加percentage，但后来的数值不是数字，因此以后不再可能进行处理：

df = a.div(a.sum(1), axis=0).mul(100).round(0).astype(int).astype(str).add('%')
print (df)
           software finance commerce
state_code                          
CA              20%      0%      80%
NY             100%      0%       0%
unknown         42%     50%       8%

Answer 2

最好的方法是将所有行业都放在一个数组中。在我的解决方案中，我称之为暴躁。

首先得到所有行业的总和。

count = 0
for i in testy:
count += int(usa_df[i].sum())

然后将此总和除以每个行业的总和，并将其除以计数并乘以100％这将使您获得市场中每个行业的百分比。

for i in testy:
    tot = usa_df[i].sum()
    percent = (tot/count)*100
    print(i+" - "+str(percent)+"%"

输出如下：

software - 20%
finance  - 30%
commerce - 10%
etc........

（Python）如何获得pandas中多列总和的平均值

2 个答案: