用于计算pandas列中每个值的百分比的函数

Question

我正在参加Kaggle的泰坦尼克号教程学习熊猫/机器学习。

这是我的内核： https ： //www.kaggle.com/trenzalore888/titanic/titanic-learning

我想创建一个带有两个参数的函数，dataframe和column name。 我希望这个函数计算每个类的百分比（假设它是二进制的，即0或1）。

我可以做这个硬编码，即专门为泰坦尼克号设置工作，但我想创建一个功能，以便我将来可以使用它。

这是我失败的尝试：

traintotal=(len(train.index))
testtotal=(len(test.index))

def Is_data_imbalanced (df,objectivecolumn) :
    objectivecount= df.objectivecolumn[df.objectivecolumn > 0].sum()
    objectivecountpercentage=(objectivecount/traintotal)*100
    objectivecountrounded= np.ceil(objectivecountpercentage)
    return objectivecountrounded

Is_data_imbalanced(train,"Survived")

不幸的是我收到属性错误：

AttributeError：'DataFrame'对象没有属性'objectivecolumn'

以下是有效的硬编码版本：

traintotal=(len(train.index))
print("there are", traintotal,"rows in the train data")

testtotal=(len(test.index))
print("there are {} rows in the test data".format(testtotal))

Survialcount= train.Survived[train.Survived > 0].sum()
Survialcountpercentage=(Survialcount/traintotal)*100
print(Survialcountpercentage)

survivalcountrounded= np.ceil(Survialcountpercentage)

print(" ",survivalcountrounded,"percent survived")

有谁知道我怎么能让这个工作？ 好像火车需要df ，但是.Survived的第二个参数columnname不起作用。

Answer 1

假设它真的是二进制的，那么你需要的只是

def Is_data_imbalanced(df, objectivecolumn):
    return int(df[objectivecolumn].mean() * 100)