熊猫与groupby分为两列

Question

这显然很简单，但作为一只熊猫，我会陷入困境。

我有一个包含3列的CSV文件，State，bene_1_count和bene_2_count。

我想计算给定状态下'bene_1_count'和'bene_2_count'的比例。

df = pd.DataFrame({'state': ['CA', 'WA', 'CO', 'AZ'] * 3,
           'bene_1_count': [np.random.randint(10000, 99999)
                     for _ in range(12)],
           'bene_2_count': [np.random.randint(10000, 99999)
                     for _ in range(12)]})

我正在尝试以下内容，但它给了我一个错误：'没有连接的对象'

df['ratio'] = df.groupby(['state']).agg(df['bene_1_count']/df['bene_2_count'])

我无法弄清楚如何“达到”群组的状态级别来获取列的比率。

我希望列的比例与状态相似，就像我想要的输出如下：

    State       ratio

    CA  
    WA  
    CO  
    AZ  

Answer 1

或者，声明：您可以创建接受数据框的自定义函数。 groupby将返回子数据帧。 然后，您可以使用apply函数将自定义函数应用于每个子数据帧。

df = pd.DataFrame({'state': ['CA', 'WA', 'CO', 'AZ'] * 3,
           'bene_1_count': [np.random.randint(10000, 99999)
                     for _ in range(12)],
           'bene_2_count': [np.random.randint(10000, 99999)
                     for _ in range(12)]})

def divide_two_cols(df_sub):
    return df_sub['bene_1_count'].sum() / float(df_sub['bene_2_count'].sum())

df.groupby('state').apply(divide_two_cols)

现在假设您希望每行除以每组的总和（例如，AZ的总和）并保留所有原始列。 只需调整上述功能（更改计算并返回整个子数据帧）：

def divide_two_cols(df_sub):
    df_sub['divs'] = df_sub['bene_1_count'] / float(df_sub['bene_2_count'].sum())
    return df_sub

df.groupby('state').apply(divide_two_cols)

Answer 2

我相信你首先需要做的是在找到比率之前按州计算。 您可以使用apply访问df中的其他列，然后将它们存储在字典中以映射到原始数据帧中的相应状态。

import pandas as pd
import numpy as np
df = pd.DataFrame({'state': ['CA', 'WA', 'CO', 'AZ'] * 3,
            'bene_1_count': [np.random.randint(10000, 99999)
                      for _ in range(12)],
            'bene_2_count': [np.random.randint(10000, 99999)
                      for _ in range(12)]})

ratios = df.groupby('state').apply(lambda x: x['bene_1_count'].sum() /
                                   x['bene_2_count'].sum().astype(float)).to_dict()

df['ratio'] = df['state'].map(ratios)