Question

我刚从R转到Python，并遇到关于groupby的问题。我有一个具有以下三个功能的数据框：

date    Scaled  Name
3   2018-10-01 02:00:00 14.57   19245
4   2018-10-01 02:00:00 11.90   7245
5   2018-10-01 02:00:00 15.84   25245
6   2018-10-01 03:00:00 16.98   25245
7   2018-10-01 03:00:00 11.40   7245
8   2018-10-01 03:00:00 16.95   19245
9   2018-10-01 04:00:00 17.78   25245
10  2018-10-01 04:00:00 12.06   7245
11  2018-10-01 04:00:00 18.19   19245
12  2018-10-01 05:00:00 19.63   25245

我在数据集中有大约80个唯一的名称，因此有重复的日期。我想在数据集中创建一个新列，该列是每个名称唯一的百分比，显示该特定名称的小时数与数据集中总小时数的比例。我可以很容易地进行计算，但是我在生成新列方面很费力。计算将是这样

hours = ((df['date'].max(axis=0) - df['date'].min(axis=0)).total_seconds())/3600

df['percentage'] = df['Name'].value_counts()/ hours

Answer 1

您很接近，只添加Series.map：

df['percentage'] = df['Name'].map(df['Name'].value_counts())/ hours

或将GroupBy.transform与GroupBy.size一起使用：

df['percentage'] = df.groupby('Name')['Name'].transform('size')/ hours

print (df)
                 date  Scaled   Name  percentage
0 2018-10-01 02:00:00   14.57  19245    1.000000
1 2018-10-01 02:00:00   11.90   7245    1.000000
2 2018-10-01 02:00:00   15.84  25245    1.333333
3 2018-10-01 03:00:00   16.98  25245    1.333333
4 2018-10-01 03:00:00   11.40   7245    1.000000
5 2018-10-01 03:00:00   16.95  19245    1.000000
6 2018-10-01 04:00:00   17.78  25245    1.333333
7 2018-10-01 04:00:00   12.06   7245    1.000000
8 2018-10-01 04:00:00   18.19  19245    1.000000
9 2018-10-01 05:00:00   19.63  25245    1.333333

对唯一日期进行分组，并根据计算熊猫创建一个新列

1 个答案: