Question

我正在阅读带有pandas的CSV文件，在我读完文件后，我想计算两件事：

项目数
％项目

例如，如果我的数据是[X,X,Y,Z,Z,X,X,Y,Z,Y]，我希望我的输出为

X 4 40.0
Y 3 30.0
Z 3 30.0

我尝试了以下但只输出总和

train = pd.read_csv("./../input/train.csv")
grouped = train.groupby([x ,y]).size()

这只计算百分比：

train = pd.read_csv("./../input/train.csv")
grouped = grouped.groupby(level=[0]).apply(lambda x: x / x.sum())

我怎样才能同时获得两者？

Answer 1

我认为需要按sum的{{3}}新计数列除以百分比列：

df = pd.DataFrame({'A':list('XXYZZXXYZY')})

df = df.groupby('A').size().reset_index(name='count')
df['%'] = df['count'].div(df['count'].sum()).mul(100)
print (df)
   A  count     %
0  X      4  40.0
1  Y      3  30.0
2  Z      3  30.0

使用div的替代解决方案：

df = pd.concat([df['A'].value_counts().rename('count'), 
                df['A'].value_counts(normalize=True).rename('%').mul(100)], axis=1)

df = df.rename_axis('A').reset_index()
print (df)
   A  count     %
0  X      4  40.0
1  Y      3  30.0
2  Z      3  30.0

Answer 2

我会分别计算两者并将它们连接起来：

d = {'col_one': ['X','X','Y','Z','Z','X','X','Y','Z','Y']}
df = pd.DataFrame(data=d)

nb_rows = len(df)

serie_count = df.groupby('col_one').size().rename('count')
serie_percentage = (100.*serie_count/nb_rows).rename('percentage')

final_df = pd.concat([serie_count, serie_percentage], axis=1)

输出：

        count   percentage
col_one
X       4       40.0
Y       3       30.0
Z       3       30.0

元素的大小和百分比

2 个答案: