Question

我有一个包含类别/代码的数据集，例如男/女，服务状况，服务代码和我有一列付费索赔。

我正在寻找一种方法来创建一个表/枢轴使用Python来生成输出，其中我只有服务代码的平均付费索赔的前10名最高列（即具有最高平均付费索赔的前10个代码是什么）。我还想附加中位数，stdev，计数，所以输出看起来像

表：

gender, code, state, paid claim
F, 1234, TX, $300
F, 2345, NJ, $120
F, 3456, NJ, $30
M, 1234, MN, $250
M, 4567, CA, $50
F, 1234, MA, $70
F, 8901, CA, $150
F, 23457, NY, $160
F, 4567, SD, $125

输出我正在尝试生成（代码前10位付费索赔）：

code, average claim, median claim, count claim
1234,  206, xxx, 3

所以，我做了类似的事情：

service_code_average=df.groupby('service_code', as_index=False)['paid claim'].mean().sort_values(by='paid claim')

我无法限制在前10名，我正在努力追加媒体和数量。

Answer 1

在这里，您可以利用agg功能，您可以一次指定多个聚合功能。您可以执行以下操作：

# convert string to integer
df['paid claim'] = df['paid claim'].str.extract('(\d+)')
df['paid claim'] = df['paid claim'].astype(int)

# set n value
top_n = 2 ## set this to 10 

# apply aggregation 
df1 = df.groupby('code').agg({'paid claim':{'average': lambda x: x.nlargest(top_n).mean(),
                                      'counts': lambda x: x.count(),
                                      'median': lambda x: x.median()}})

# reset column names
df1.columns = df1.columns.droplevel()
df1 = df1.reset_index()

print(df1)

    code  average  counts  median
0   1234    275.0       3   250.0
1   2345    120.0       1   120.0
2   3456     30.0       1    30.0
3   4567     87.5       2    87.5
4   8901    150.0       1   150.0
5  23457    160.0       1   160.0

寻找一种从数据框中的列生成统计表的方法

1 个答案: