![](/img/trans.png)
[英]Percentage of occurrences in a column using groupby in python pandas
[英]pandas groupby and percentage of occurrences of each value of a column
我有一个像这样的熊猫数据框,想创建一个像created_column
的列:
iv_1 iv_2 iv_3 iv_4 iv_5 col2rplc created_column
0 0 0 0 0 0 a 0
333 0 0 0 0 0 b 0
......
222 1 2 3 4 5 aa 1
324 1 2 3 4 5 cc 1
......
1234 1 0 0 0 1 a 1
1235 0 2 0 4 0 a 0
1236 0 0 3 0 0 a 0
1237 0 0 1 0 0 b 0
1238 0 2 0 2 0 b 0
1239 3 0 0 0 3 b 1
解释:
我想创建一个列,其中iv_5
列中的值发生在小于或等于 40% 的数据的行中有 1 个,这将用于值为 1、3 和 5 的行,如上例所示。 我该怎么做呢?
第二个问题:
我如何在其他列的创建中还包含小于 x% 和大于 y% 的内容,与上面的列创建类似。
使用GroupBy.transform
用的分长度DtaFrame
和测试通过Series.le
为小于或等于:
df['created_column'] = df.groupby('iv_5')['iv_5'].transform('size').div(len(df)).le(0.4).view('i1')
print (df)
iv_1 iv_2 iv_3 iv_4 iv_5 col2rplc created_column
0 0 0 0 0 0 a 0
333 0 0 0 0 0 b 0
222 1 2 3 4 5 aa 1
324 1 2 3 4 5 cc 1
1234 1 0 0 0 1 a 1
1235 0 2 0 4 0 a 0
1236 0 0 3 0 0 a 0
1237 0 0 1 0 0 b 0
1238 0 2 0 2 0 b 0
1239 3 0 0 0 3 b 1
或者:
s = df['iv_5'].value_counts(normalize=True)
idx = s.index[s <= 0.4]
df['created_column'] = df['iv_5'].isin(idx).view('i1')
如果需要Series.between
,默认情况下两者都是包含的,这意味着>=
, <=
,对于>
和<
使用参数inclusive=False
:
df['created_column'] = df.groupby('iv_5')['iv_5'].transform('size').div(len(df)).between(0.2, 0.5).view('i1')
print (df)
iv_1 iv_2 iv_3 iv_4 iv_5 col2rplc created_column
0 0 0 0 0 0 a 0
333 0 0 0 0 0 b 0
222 1 2 3 4 5 aa 1
324 1 2 3 4 5 cc 1
1234 1 0 0 0 1 a 0
1235 0 2 0 4 0 a 0
1236 0 0 3 0 0 a 0
1237 0 0 1 0 0 b 0
1238 0 2 0 2 0 b 0
1239 3 0 0 0 3 b 0
如果需要像>
和<=
之间的组合不能使用,这里是替代方案:
s1 = df.groupby('iv_5')['iv_5'].transform('size').div(len(df))
df['created_column'] = ((s1 > 0.2) & (s1 <= 0.6)).view('i1')
print (df)
iv_1 iv_2 iv_3 iv_4 iv_5 col2rplc created_column
0 0 0 0 0 0 a 1
333 0 0 0 0 0 b 1
222 1 2 3 4 5 aa 0
324 1 2 3 4 5 cc 0
1234 1 0 0 0 1 a 0
1235 0 2 0 4 0 a 1
1236 0 0 3 0 0 a 1
1237 0 0 1 0 0 b 1
1238 0 2 0 2 0 b 1
1239 3 0 0 0 3 b 0
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.