Question

我有一个DataFrame df：

                             **Count**
**Environment** **Type**    
**A**            a           100
                 b           200
                 c           300
                 d           400
                 e           500
                 f           600
**B**            a           1000
                 b           2000
                 c           3000
                 d           4000
                 e           5000
                 f           6000

df.index发出以下索引：

    MultiIndex(levels=[['A', 'B'], ['a', 'b', 'c', 'd', 'e', 'f']],
               labels=[[0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1], 
                       [0, 1, 2, 3, 4, 5, 0, 1, 2, 3, 4, 5]],
               names=['A', 'B'])

我需要计算每个A和B的计数百分比。所以我这样做：

sums = df.groupby(level = 0).sum()
df.loc['A'] = df.loc['A'].apply(lambda x: x/sums.loc['A','Count'])
df.loc['B'] = df.loc['B'].apply(lambda x: x/sums.loc['B','Count'])

但是，这导致所有值为NaN。

我怀疑 df.loc['B'].apply(lambda x: x/sums.loc['B','Count'])与df的索引不同，但是与我选择的df的部分应该相同。

这些都是自己

df.loc['A'].apply(lambda x: x/sums.loc['A','Count'])
df.loc['B'].apply(lambda x: x/sums.loc['B','Count'])

具有我需要的值，因此除法有效。但是，分配没有。

如何将上述表达式的结果分配给数据框的一部分 df？

Answer 1

使用div分配值

s=df.Count.div(df.Count.sum(level=0),axis=0,level=0)
df['per']=s
df
Out[1253]: 
                          Count       per
**Environment** **Type**                 
A               a           100  0.047619
                b           200  0.095238
                c           300  0.142857
                d           400  0.190476
                e           500  0.238095
                f           600  0.285714
B               a          1000  0.047619
                b          2000  0.095238
                c          3000  0.142857
                d          4000  0.190476
                e          5000  0.238095
                f          6000  0.285714

Answer 2

您只需执行df/sums，而无需循环。

由于您要分配给数据框的特定部分，因此可以这样做。保持较高的df 1级深度。

df.loc['A',:] = df.loc['A',:,:].apply(lambda x: x/sums.loc['A','Count'])

使用MultiIndex将值的子集分配给pandas数据框

2 个答案: