Question

让我们考虑以下数据帧：

df = {'Location': ['A','A','B','B','C','C','A','C','A'],
'Gender'['M','M','F','M','M','F','M','M','M'],
'Edu'['N','N','Y','Y','Y','N','Y','Y','Y'],
'Access1': [1,0,1,0,1,0,1,1,1], 'Access2': [1,1,1,0,0,1,0,0,1] }
df = pd.DataFrame(data=d, dtype=np.int8)

数据帧的输出：

   Access1  Access2 Edu Gender Location
0        1        1   N      M        A
1        0        1   N      M        A
2        1        1   Y      F        B
3        0        0   Y      M        B
4        1        0   Y      M        C
5        0        1   N      F        C
6        1        0   Y      M        A
7        1        0   Y      M        C
8        1        1   Y      M        A

然后我正在使用groupby分析df中的频率

D0=df.groupby(['Location','Gender','Edu']).sum()
((D0/ D0.groupby(level = [0]).transform(sum))*100).round(3).astype(str) + '%'

输出：

                     Access1  Access2
Location Gender Edu                  
A        M      N    33.333%  66.667%
                Y    66.667%  33.333%
B        F      Y     100.0%   100.0%
         M      Y       0.0%     0.0%
C        F      N       0.0%   100.0%
         M      Y     100.0%     0.0%

从此输出中，我推断位置A的33.3％的未受教育的人可以访问服务1（= Access1）是考虑到位置A的3个人可以访问服务1的结果，其中1位未受过教育的人可以访问（= 1/3）。

但是，希望获得不同的输出。我想将A位置的4位男性视为我的100％。这组男人中有50％没有受过教育。在这50％的未受过教育的男性中，有25％可以获得服务1。因此，我希望在表中看到的百分比是25％（A区中未受过教育的男性总计获得服务1）。 groupby是到达那里的正确方法吗？在考虑从每个位置的参考总人口中进行分类时，最好的方法是衡量获得服务1的百分比？

Answer 1

我认为需要将D0除以a系列映射的MultiIndex的第一级：

D0=df.groupby(['Location','Gender','Edu']).sum()

a = df['Location'].value_counts()
#alternative
#a = df.groupby(['Location']).size()
print (a)
A    4
C    3
B    2
Name: Location, dtype: int64

df1 = D0.div(D0.index.get_level_values(0).map(a.get), axis=0)
print (df1)
                      Access1   Access2
Location Gender Edu                    
A        M      N    0.250000  0.500000
                Y    0.500000  0.250000
B        F      Y    0.500000  0.500000
         M      Y    0.000000  0.000000
C        F      N    0.000000  0.333333
         M      Y    0.666667  0.000000

详细信息：

print (D0.index.get_level_values(0).map(a.get))
Int64Index([4, 4, 2, 2, 3, 3], dtype='int64', name='Location')

多级分组依据子人口百分比

1 个答案: