在熊貓中，如何獲得多指標水平的事件發生幾率？

Question

我有一個帶有兩列的DataFrame ， Type和Time ：

import pandas as pd
import dateutil.parser

df = pd.DataFrame({'Type' : ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo', 'foo', 'foo'],
                   'Time' : ['9:11', '9:54', '15:12', '11:39', '21:50', '15:40', '1:23', '1:48', '9:13', '9:48']})

Type是指某些分類的事件（此處為foo和bar ），而Time是表示一天中的時間的字符串。 我想確定在一天中的哪個小時內foo 比例最高。

到目前為止，我提出了以下建議：

def get_hour(timestring):
    return dateutil.parser.parse(timestring).hour

df['_hour'] = df['Time'].apply(get_hour)
grouped_count = df.groupby(['_hour', 'Type']).count()
print(grouped_count)

哪個打印

            Time
_hour Type      
1     foo      2
9     bar      1
      foo      3
11    bar      1
15    bar      1
      foo      1
21    foo      1

此處的“ Time列表示每小時每種類型的總發生次數。 但是，我想生成一個輔助列，即Fraction ，該列具有該小時內每次出現的分數，如下所示：

            Time   Fraction
_hour Type      
1     foo      2   1.0
9     bar      1   0.25
      foo      3   0.75
11    bar      1   1.0
15    bar      1   0.5
      foo      1   0.5
21    foo      1   1.0

我該如何實現？

Answer 1

您可以按_hour索引進行分組，並使用transform （或apply ）來計算分數 ：

grouped_count['Fraction'] = grouped_count.groupby(level='_hour').Time.transform(lambda x: x/x.sum())

grouped_count
#            Time  Fraction
#_hour Type                
#1     foo      2      1.00
#9     bar      1      0.25
#      foo      3      0.75
#11    bar      1      1.00
#15    bar      1      0.50
#      foo      1      0.50
#21    foo      1      1.00

---

如果不需要時間列，也可以執行.value_counts(normalize=True) ：

df.groupby('_hour').Type.value_counts(normalize=True)
#_hour  Type
#1      foo     1.00
#9      foo     0.75
#       bar     0.25
#11     bar     1.00
#15     bar     0.50
#       foo     0.50
#21     foo     1.00
#Name: Type, dtype: float64

使用標准的h:m字符串，您還可以按以下方式解析hour ：

df.groupby(df.Time.str.extract(r'^(\d+)', expand=False)).Type.value_counts(normalize=True)

Answer 2

采用：

#get hour by splitting to Series h
h = df['Time'].str.split(':').str[0].astype(int).rename('hour')
#for groupby use instead column Series
grouped_count = df.groupby([h, 'Type'])['Time'].count().to_frame()
#divide by aggregate first level hour and sum
grouped_count['Fraction'] =  grouped_count.div(grouped_count.sum(level=0))
print(grouped_count)
           Time  Fraction
hour Type                
1    foo      2      1.00
9    bar      1      0.25
     foo      3      0.75
11   bar      1      1.00
15   bar      1      0.50
     foo      1      0.50
21   foo      1      1.00