来自具有3列原始数据的数据帧的相对频率？

Question

Python（＆StackOverflow）的新手，我正在努力寻找一种解决方案来获取我的['Product_Name', 'Date_of_Sale', 'Quantity']数据并输出每种产品每日数量频率的相对频率。

例如，产品1售出8个单位（第1天），6个单位（第2天），6（第3天），5（第4天），8（第5天），7（第6天），6（第7天） ）在7天内给出{5 units : 0.142, 6 : 0.429, 7 : 0.142, 8 : 0.286}的乘积1的相对频率。

如何在一段时间内对所有产品执行此操作？

Answer 1

使用value_counts()和to_dict()：

import pandas as pd

df = pd.DataFrame({'Day': [1, 2, 3, 4, 5, 6, 7],
    'Product1': [8, 6, 6, 5, 8, 7, 6]})

df['Product1'].value_counts().div(df.shape[0]).to_dict()

收益：

{6: 0.42857142857142855, 8: 0.2857142857142857, 7: 0.14285714285714285, 5: 0.14285714285714285}

Answer 2

归一化值计数：

>>> df['Product1'].value_counts(normalize=True)
6    0.428571
8    0.285714
7    0.142857
5    0.142857
Name: Product1, dtype: float64

“针对一段时间内的所有产品”执行此操作取决于您的数据结构。您需要提供示例和预期结果。