如何使用 Pandas 在 Python 中计算组总和 [重复]

Question

我有一个使用 pandas 组功能的数据框：

pandas dataframe

group. letters.  counts.   sum_1.    sum_2
1.     a.        20        3.        2
1.     b.        40.       2.        3
2.     a.        60.       3.        5
2.     b.        90.       5.        4

我想将它自动化，而不必在 Excel 中进行这样的操作： excel

group. letters.  counts.   sum_1.        sum_1_%.   sum_2.   sum_2rate
    1.     a.        20        3.        5%          2       3.33%
    1.     b.        40.       2.        3.33%       3       5%
    total.           60        5                     5
    2.     a.        60.       3.                    5
    2.     b.        90.       5.                    4

Answer 1

是的，使用 Trenton 链接，加上其他一些你可以实现你想要的东西。你可能只是懒得做更多的研究。

d = [{'group': 1, 'letters': 'a', 'counts': 20, 'sum1': 3, 'sum2': 2},
    {'group': 1, 'letters': 'b', 'counts': 40, 'sum1': 2, 'sum2': 3},
    {'group': 2, 'letters': 'a', 'counts': 60, 'sum1': 3, 'sum2': 5},
    {'group': 2, 'letters': 'b', 'counts': 90, 'sum1': 5, 'sum2': 4}
]
df = pd.DataFrame(d, columns=['group', 'letters', 'counts', 'sum1', 'sum2']) # this is your original df
#print(df)

df2 = df.groupby(by="group").sum() # this will give the summary you want
#print(df2)

df3 = pd.merge(df, df2, how='inner', on='group') # merge 2 of them
print(df3)

df3['avg_counts'] = df3['counts_x'] / df3['counts_y'] # add new calculated columns 
df3['avg_sum1'] = df3['sum1_x'] / df3['sum1_y']
df3['avg_sum2'] = df3['sum2_x'] / df3['sum2_y']
print(df3.head())

#if needed remove the columns you dont need

结果

   group letters  counts_x  sum1_x  sum2_x  counts_y  sum1_y  sum2_y  avg_counts  avg_sum1  avg_sum2
0      1       a        20       3       2        60       5       5   0.333333      0.600  0.400000
1      1       b        40       2       3        60       5       5   0.666667      0.400  0.600000
2      2       a        60       3       5       150       8       9   0.400000      0.375  0.555556
3      2       b        90       5       4       150       8       9   0.600000      0.625  0.444444