Groupby：在同一张表中获取“计数”和“百分比”

Question

我正在处理tips 数据集：

# Load the data
tips = sns.load_dataset("tips")
tips.head()

total_bill  tip     sex  smoker day  time  size
0   16.99   1.01    Female  No  Sun Dinner  2
1   10.34   1.66    Male    No  Sun Dinner  3
2   21.01   3.50    Male    No  Sun Dinner  3
3   23.68   3.31    Male    No  Sun Dinner  2
4   24.59   3.61    Female  No  Sun Dinner  4

我想groupby time 和 smoker 列，然后计算每组中吸烟者的数量（包括他们的百分比）。我试图通过两个步骤来实现：

第 1 步：

# Count by groups
tips.groupby(['time', 'smoker']).agg({'smoker': 'count'})
               smoker
time    smoker  
Lunch    Yes    23
         No     45
Dinner   Yes    70
         No    106

第 2 步：

# Count with percentage
tips.groupby(['time', 'smoker']).agg({'smoker': 'count'}).transform(lambda x: x/x.sum()*100)
                 smoker
time    smoker  
Lunch    Yes    9.426230
          No    18.442623
Dinner   Yes    28.688525
          No    43.442623

我在 2 个单独的表格中得到结果。我想在同一个表中获得count 和percentage。

期望的输出：

               count   percentage
time    smoker  
Lunch    Yes    23     9.426230
         No     45     18.442623
Dinner   Yes    70     28.688525
         No    106     43.442623

有没有更好的方法呢？任何建议，将不胜感激。谢谢！

Answer 1

您可以使用transform 在另一条指令中计算百分比并将结果存储在另一列中。

tips_grouped = tips.groupby(['time', 'smoker']).agg({'smoker': 'count'}).to_frame()
tips_grouped["percentage"] = tips_grouped["count"].transform(lambda x: x/x.sum()*100)

Answer 2

您可以使用named aggregation 对同一列进行多个聚合：

output = df.groupby(['time', 'smoker'])["smoker"].agg(Count="count", Percentage=lambda x: x.count()/df.shape[0]*100)

>>>                Count  Percentage
time   smoker                   
Dinner No        106   43.442623
       Yes        70   28.688525
Lunch  No         45   18.442623
       Yes        23    9.426230

输入df：

import random
df = pd.DataFrame({"time": ["Lunch"]*68+["Dinner"]*176,
                   "smoker": ["Yes"]*23+["No"]*45+["Yes"]*70+["No"]*106,
                   "sex": random.choices(["Male","Female"],k=100)})