熊貓與groupby分為兩列

Question

這顯然很簡單，但作為一只熊貓，我會陷入困境。

我有一個包含3列的CSV文件，State，bene_1_count和bene_2_count。

我想計算給定狀態下'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)]})

我正在嘗試以下內容，但它給了我一個錯誤：'沒有連接的對象'

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

我無法弄清楚如何“達到”群組的狀態級別來獲取列的比率。

我希望列的比例與狀態相似，就像我想要的輸出如下：

    State       ratio

    CA  
    WA  
    CO  
    AZ  

Answer 1

或者，聲明：您可以創建接受數據框的自定義函數。 groupby將返回子數據幀。 然后，您可以使用apply函數將自定義函數應用於每個子數據幀。

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)

現在假設您希望每行除以每組的總和（例如，AZ的總和）並保留所有原始列。 只需調整上述功能（更改計算並返回整個子數據幀）：

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計算。 您可以使用apply訪問df中的其他列，然后將它們存儲在字典中以映射到原始數據幀中的相應狀態。

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)