计算每个 Pandas 组的百分比份额并转换为新列答案

【问题标题】：Calculating percentage share for each Pandas group and converting to new columns计算每个 Pandas 组的百分比份额并转换为新列
【发布时间】：2023-02-13 14:17:53
【问题描述】：

我有这个数据框：

import pandas as pd


df = pd.DataFrame({"ID": ["123", "456", "123", "456", "123", "456", "456", "456", "456", "123"],
                    "number": [2,1,5,2,4,5,2,1,6,7],
                    "name": ["apple", "orange", "orange", "pear", "pear", "apple", "lemon", "apple", "lemon", "apple"]
})

    ID  number    name
0  123       2   apple
1  456       1  orange
2  123       5  orange
3  456       2    pear
4  123       4    pear
5  456       5   apple
6  456       2   lemon
7  456       1   apple
8  456       6   lemon
9  123       7   apple

我想计算我命名列的每个元素的百分比份额，按 ID 分组。

DataFrame 的最终外观应该有这些列：

ID、数字、苹果、橙子、梨子、柠檬

因此，来自 name 列的值正在成为列名。这些列应该具有的值是百分比份额，例如：

编号 123 我有这些数值：2+5+4+7 = 18

所以

apple has: (2+7) / 18 = 0.50
orange has: 5 / 18 = 0.27
pear has: 4 / 18 = 0.23
lemon has: 0   

ID   apple   orange   pear   lemon
123  0.5     0.27     0.23    0

【问题讨论】：

标签： python pandas

【解决方案1】：

您可以将 crosstab 与 normalize='index' 一起使用：

out = pd.crosstab(df['ID'], df['name'], values=df['number'],
                  aggfunc='sum', normalize='index')

输出：

name     apple     lemon    orange      pear
ID                                          
123   0.500000  0.000000  0.277778  0.222222
456   0.352941  0.470588  0.058824  0.117647

【讨论】：

【解决方案2】：

由不同的组使用GroupBy.transform和Series.div：

df['Perc'] = (df.groupby(['ID','name'])['number'].transform('sum')
                .div(df.groupby('ID')['number'].transform('sum')))
print (df)
    ID  number    name      Perc
0  123       2   apple  0.500000
1  456       1  orange  0.058824
2  123       5  orange  0.277778
3  456       2    pear  0.117647
4  123       4    pear  0.222222
5  456       5   apple  0.352941
6  456       2   lemon  0.470588
7  456       1   apple  0.352941
8  456       6   lemon  0.470588
9  123       7   apple  0.500000

如果需要另一个输出，请使用 DataFrame.pivot_table 并除以 sum：

df = df.pivot_table(index='ID', 
                    columns='name', 
                    values='number', 
                    aggfunc='sum', 
                    fill_value=0)
df = df.div(df.sum(axis=1), axis=0)
print (df)
name     apple     lemon    orange      pear
ID                                          
123   0.500000  0.000000  0.277778  0.222222
456   0.352941  0.470588  0.058824  0.117647

【讨论】：

【解决方案3】：

def function1(dd:pd.DataFrame):
    ss1=dd.groupby("name").number.sum().div(dd.number.sum())
    return ss1.round(2)

df.groupby('ID').apply(function1).unstack(level=1,fill_value=0)

出去：

name  apple  lemon  orange  pear
ID                              
123    0.50   0.00    0.28  0.22
456    0.35   0.47    0.06  0.12

【讨论】：