具有 3 列原始数据的数据帧的相对频率？答案

【问题标题】：Relative frequency from dataframe with 3 columns of raw data?具有 3 列原始数据的数据帧的相对频率？
【发布时间】：2019-04-12 09:32:20
【问题描述】：

Python 新手 (&StackOverflow)，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 销售 8 件（第 1 天）、6 件（第 2 天）、6 件（第 3 天）、5 件（第 4 天）、8 件（第 5 天）、7 件（第 6 天）、6 件（第 7 天） ) 超过 7 天，给出 {5 units : 0.142, 6 : 0.429, 7 : 0.142, 8 : 0.286} 的产品 1 的相对频率。

如何在一段时间内对所有产品执行此操作？

【问题讨论】：

请发布您的数据框样本，df.head() 应该不错

标签： python pandas dataframe frequency frequency-analysis

【解决方案1】：

标准化值计数：

>>> 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。您需要提供样本和预期结果。

【讨论】：

谢谢，亚历山大。 rahlf23 的答案解决了这个问题。无论如何，谢谢。
如果数据中有 NaN，则该答案将给出错误的结果。如果你想要一本字典（从你的问题中不清楚），只需在上面的答案中标记.to_dict()。
好的，谢谢。我会根据你的初步反应来玩，看看它会把我带到哪里，如果有问题就回来。

【解决方案2】：

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()

产量：

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

【讨论】：

太棒了！谢谢 rahlf23