尝试使用 Pandas 计算百分比并添加新列

Question

我有一个使用 groupby 创建的 Pandas 数据框，返回结果是这样的：

          loan_type
type            
risky      23150
safe       99457

我想创建一个名为 pct 的列并将其添加到我这样做的数据框中：

total = loans.sum(numeric_only=True)
loans['pct'] = loans.apply(lambda x:x/ total)

结果是这样的：

       loan_type  pct
type                 
risky      23150  NaN
safe       99457  NaN

在这一点上，我不确定我需要做什么才能获得该百分比列，请参阅下面的代码，了解我如何创建整个内容：

import numpy as np
bad_loans = np.array(club['bad_loans'])

for index, row in enumerate(bad_loans):
    if row == 0:
        bad_loans[index] = 1
    else:
        bad_loans[index] = -1

loans = pd.DataFrame({'loan_type' : bad_loans})
loans['type'] = np.where(loans['loan_type'] == 1, 'safe', 'risky')loans = np.absolute(loans.groupby(['type']).agg({'loan_type': 'sum'}))
total = loans.sum(numeric_only=True)
loans['pct'] = loans.apply(lambda x:x/ total)

Answer 1

有一个问题，你不希望除以值，而是除以一个值Series并且因为不对齐indexes得到NaN s。

我认为最简单的是将Series total转换为numpy array ：

total = loans.sum(numeric_only=True)
loans['pct'] = loans.loan_type / total.values

print (loans)
       loan_type       pct
type                      
risky      23150  0.188815
safe       99457  0.811185

或者通过索引[0]转换选择 - 输出是数字：

total = loans.sum(numeric_only=True)[0]
loans['pct'] = loans.loan_type / total

print (loans)
       loan_type       pct
type                      
risky      23150  0.188815
safe       99457  0.811185