在 Pandas 中将分类数据转换为数字百分比

Question

我有一个这样的数据框，所有分类值：

col1    col2
0   A   x
1   A   y
2   A   x
3   A   z
4   A   z
5   A   z
6   B   x
7   B   y
8   B   x

我想按“col1”对它进行分组，并获得我在单独的列中获得“col2”值的时间百分比。喜欢：

    col1    x    y       z
0   A     33.33  16.67   50.0
1   B     66.67  33.37   0.0

我尝试了数据透视表，它只给我列的每个值的计数，但如何以百分比形式获得它？

提前致谢。

Answer 1

您希望对两个因子（col1 和 col2）进行交叉制表，并在每行上标准化频率。为此，您可以使用pd.crosstab() 并将normalize 设置为index：

>> df = pd.DataFrame({'col1': list('aaaaaabbb'), 'col2': list('xyxzzzxyx')})
>> pd.crosstab(df['col1'], df['col2'], normalize='index') * 100
col2    x           y           z
col1            
a       33.333333   16.666667   50.0
b       66.666667   33.333333   0.0

如果您想使用多个因子，只需致电 crosstab 并提供因子列表：

>> df['col3'] = list('112231345')
>> pd.crosstab([df['col1'], df['col3']], df['col2'], normalize='index') * 100
        col2    x           y           z
col1    col3            
a       1       33.333333   33.333333   33.333333
        2       50.000000   0.000000    50.000000
        3       0.000000    0.000000    100.000000
b       3       100.000000  0.000000    0.000000
        4       0.000000    100.000000  0.000000
        5       100.000000  0.000000    0.000000

如果你想四舍五入，只需拨打round：

>> round(pd.crosstab(df['col1'], df['col2'], normalize='index') * 100, 2)
col2    x       y       z
col1            
a       33.33   16.67   50.0
b       66.67   33.33   0.0