熊猫分组百分比

Question

如何计算大熊猫的分组百分比？

类似于Pandas：.groupby（）。size（）和百分比，或者Pandas非常简单来自Group by的总大小的百分比，我想计算每个组中某个值的百分比。

我该如何实现？

我的数据集的结构像

ClassLabel, Field

最初，我在ClassLbel和Field上都进行ClassLbel ，例如

grouped = mydf.groupby(['Field', 'ClassLabel']).size().reset_index()
grouped = grouped.rename(columns={0: 'customersCountPerGroup'})

现在，我想知道每个组中每个组中客户的百分比。 可以像mydf.groupby(['Field']).size()这样获得组总数，但是我既不能将其合并为列，也不能确定这是正确的方法-必须有一些简单的方法。

编辑

我想仅基于单个组来计算百分比，例如3 0 0.125 1 0.250 0 + 1-> 0.125 + 0.250 = 0,375的总和，并使用此值来划分/归一化分组而不是分组。sum（）

Answer 1

您可以使用IIUC：

mydf = pd.DataFrame({'Field':[1,1,3,3,3],
                   'ClassLabel':[4,4,4,4,4],
                   'A':[7,8,9,5,7]})

print (mydf)
   A  ClassLabel  Field
0  7           4      1
1  8           4      1
2  9           4      3
3  5           4      3
4  7           4      3

grouped = mydf.groupby(['Field', 'ClassLabel']).size()
print (grouped)
Field  ClassLabel
1      4             2
3      4             3
dtype: int64

print (100 * grouped / grouped.sum())
Field  ClassLabel
1      4             40.0
3      4             60.0
dtype: float64

---

grouped = mydf.groupby(['Field', 'ClassLabel']).size().reset_index()
grouped = grouped.rename(columns={0: 'customersCountPerGroup'})
print (grouped)
   Field  ClassLabel  customersCountPerGroup
0      1           4                       2
1      3           4                       3

grouped['per'] = 100 * grouped.customersCountPerGroup / grouped.customersCountPerGroup.sum()
print (grouped)
   Field  ClassLabel  customersCountPerGroup   per
0      1           4                       2  40.0
1      3           4                       3  60.0

通过评论编辑：

mydf = pd.DataFrame({'Field':[1,1,3,3,3,4,5,6],
                   'ClassLabel':[0,0,0,1,1,0,0,6],
                   'A':[7,8,9,5,7,5,6,4]})

print (mydf)

grouped = mydf.groupby(['Field', 'ClassLabel']).size()
df =  grouped / grouped.sum()

df = (grouped / df.groupby(level=0).transform('sum')).reset_index(name='new')
print (df)
   Field  ClassLabel       new
0      1           0  8.000000
1      3           0  2.666667
2      3           1  5.333333
3      4           0  8.000000
4      5           0  8.000000
5      6           6  8.000000