熊猫系列可以是一列而不是一行吗？

Question

这是一个真实的问题，尽管乍看起来似乎是在分裂头发。 基本上，我想将序列视为列而不是行，即使在技术上不能将序列划分为行和列（？），而一维numpy数组也可以，但我认为这是直觉的。 这个例子：

df = pd.DataFrame( { 'a' : [5,3,1],
                     'b' : [4,6,2],
                     'c' : [2,4,9] } )

df['rowsum'] = df.sum(1)

In [31]: df
Out[31]: 
   a  b  c  rowsum
0  5  4  2      11
1  3  6  4      13
2  1  2  9      12

我只想按行获取百分比（因此行的总和为1）。 我想这样做：

df.iloc[:,0:3] / df.rowsum

由于您可以将rowum设为列或行向量，因此在numpy（具有重塑形状）中可以很好地工作。 但是在这里，我无法重塑序列或在df.rowsum上使用T。 似乎可以转置数据帧，但不能转置一系列。 以下工作（以及其他几种解决方案）。 它可以自然地以numpy编码，但这涉及到转换为数组，然后再转换为数据帧。

In [32]: ( df.iloc[:,0:3].T / df.rowsum ).T
Out[32]: 
          a         b         c
0  0.454545  0.363636  0.181818
1  0.230769  0.461538  0.307692
2  0.083333  0.166667  0.750000

很抱歉，这似乎微不足道，但是能够以直观的方式按行和列进行编码非常有价值。 因此，问题仅仅是：我可以使序列的行为像列向量，而不是行向量吗？

同样，这在列上也可以正常工作似乎不一致。

df.iloc[:,0] / df.rowsum

在这种情况下，大熊猫似乎是在划分（按元素划分）两个列数组（出于显示的考虑，即使行/列的区分是人为的）。 但是，当该表达式的第一部分从数据帧更改为系列时，它似乎实际上是从3x1变为1x2。 这就像从系列到数据帧是隐式转换操作吗？

也许可以考虑一下：

all( dist.iloc[:,:10].index == dist.rowsum.index )
Out[1526]: True

索引在这里排列，为什么熊猫似乎在系列/系列广播中使用索引而不是在数据帧/系列广播中使用索引？ 还是我只是在想这是完全错误的？！

Answer 1

尝试这个

df.apply(lambda x:x/x[3], axis = 1)

        a          b           c    rowsum
0   0.454545    0.363636    0.181818    1
1   0.230769    0.461538    0.307692    1
2   0.083333    0.166667    0.750000    1

如果不需要rowsum列，则可以使用

df.apply(lambda x:x/sum(x), axis = 1) #with your original dataFrame

Answer 2

尝试

df.iloc[:, 0:3].div(df.rowsum, axis=0)

看看是否是您想要的。