![](/img/trans.png)
[英]Create a lists in a list variable in pandas DataFrame after groupby
[英]Create share variable after combined groupby in pandas dataframe
我无法描述我的问题,所以我会直接进入它。 这是一些测试数据:
import pandas as pd
df = pd.DataFrame(data={"family":["Smith","Miller","Simpson","Miller","Simpson","Smith","Miller","Simpson","Miller"],
"first_name":["Anna","Bart","Lisa","Ida","Paul","Bridget","Harry","Dustin","George"],
"shirt_color":["green","yellow","red","yellow","green","red","yellow","red","red"]})
现在我想在我的原始数据框架中创建一个新列,其中包含每个系列的shirt_color份额,因此每一行如家庭米勒和shirt_color黄色都具有相同的值0.75等。
我尝试了几种方法,但没有成功。
df = df.groupby("family").apply(lambda x: x.groupby("shirt_color").apply(lambda x: x.size()/familysize))
这似乎很有希望,但正如你所看到的,我无法再访问上一个lambda函数中的家庭成员数量。 我还试图创建一个只有family的groupby对象并遍历数据帧,按颜色分别对所有数据帧进行分组,但不知怎的,我无法将数据帧放回到最后。
对于数据帧来说,这似乎不是一件非常奇特的事情,所以我确信有一个简单的方法可以做到这一点,但我没有想法。
非常感谢您的帮助!
在我看来,你应该避免apply
因为这会导致效率低下的Python级循环。 这是使用GroupBy
+ transform
的替代解决方案:
f = df.groupby('family')['first_name'].transform('size')
g = df.groupby(['family', 'shirt_color'])['first_name'].transform('size')
df['ratio'] = g / f
print(df)
family first_name shirt_color ratio
0 Smith Anna green 0.500000
1 Miller Bart yellow 0.750000
2 Simpson Lisa red 0.666667
3 Miller Ida yellow 0.750000
4 Simpson Paul green 0.333333
5 Smith Bridget red 0.500000
6 Miller Harry yellow 0.750000
7 Simpson Dustin red 0.666667
8 Miller George red 0.250000
尝试:
df.groupby('family').apply(lambda g: g.groupby("shirt_color").apply(lambda x: x.size/g.size)).reset_index()
你快到了。 只需使用不同的变量名称。 通过使用两个x
您可以覆盖以前的变量,并且无法访问它
df.groupby("family").apply(lambda s: s.groupby("shirt_color").apply(lambda x: x.size/s.size))
family shirt_color
Miller red 0.250000
yellow 0.750000
Simpson green 0.333333
red 0.666667
Smith green 0.500000
red 0.500000
dtype: float64
使用value_counts
并merge
:
s = (df.groupby('family').shirt_color
.value_counts(normalize=True).rename('ratio').reset_index())
family shirt_color ratio
0 Miller yellow 0.750000
1 Miller red 0.250000
2 Simpson red 0.666667
3 Simpson green 0.333333
4 Smith green 0.500000
5 Smith red 0.500000
要把它放回到最初的DataFrame中:
df.merge(s)
family first_name shirt_color ratio
0 Smith Anna green 0.500000
1 Miller Bart yellow 0.750000
2 Miller Ida yellow 0.750000
3 Miller Harry yellow 0.750000
4 Simpson Lisa red 0.666667
5 Simpson Dustin red 0.666667
6 Simpson Paul green 0.333333
7 Smith Bridget red 0.500000
8 Miller George red 0.250000
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.