从 pd 数据帧中获取联合概率

Question

我有以下数据框

{'state': {7192: 'healthy',
  7193: 'healthy',
  7194: 'healthy',
  7195: 'Non healthy',
  7196: 'Non healthy'},
 'type': {7192: 'W', 7193: 'A', 7194: 'W', 7195: 'W', 7196: 'A'}}

我想知道与这个 df 相关的联合概率。

P（状态 = 健康，类型 = A），P（状态 = 健康，类型 = W） P（状态 = 不健康，类型 = A），P（状态 = 不健康，类型 = W）

我尝试了 groupby 方法，但没有成功。最有效的方法是什么。

编辑：为了澄清一点，我想计算每一对（状态，类型）的出现。在上面的例子中，这应该是 P（状态=健康，类型= A）= 1/5，P（状态=健康，类型= W）= 2/5 P（状态 = 不健康，类型 = A）= 1/5，P（状态 = 不健康，类型 = W）= 1/5

谢谢，

Answer 1

似乎您可以使用DataFrame.value_counts(normalize=True) 来实现您想要的。请注意，DataFrame.value_counts 是 pandas >= 1.1.0 的新内容。如果您使用的是旧版本，则可以使用不同的方法获得相同的结果。

首先将您的字典转换为pd.DataFrame：

df = pd.DataFrame(data)

熊猫版本>= 1.1.0

probs = df.value_counts(["state", "type"], normalize=True)

print(probs)
healthy      W       0.4
             A       0.2
Non healthy  W       0.2
             A       0.2

# Select individual probabilitiy:
healthy_a_prob = probs[("healthy", "A")]

print(healthy_a_prob)
0.2

如果您的 pandas 早于 1.1.0，请将上述示例中的第一行替换为：

probs = df.groupby("state")["type"].value_counts() / len(df)

# rest is the exact same

如果你想要一个交叉列表的概率表，我建议使用pd.crosstab 和normalize=True：

crosstab_ptable = pd.crosstab(df["state"], df["type"], normalize=True)

print(crosstab_ptable)
type           A    W
state
Non healthy  0.2  0.2
healthy      0.2  0.4

如果您也对边际概率感兴趣，可以使用margins 参数：

crosstab_ptable = pd.crosstab(df["state"], df["type"], margins=True, normalize=True)

print(crosstab_ptable)
type           A    W  All
state
Non healthy  0.2  0.2  0.4
healthy      0.2  0.4  0.6
All          0.4  0.6  1.0