python – 将分类变量的Pandas DataFrame转换为具有计数和比例的
发布时间:2020-12-20 12:04:59 所属栏目:Python 来源:网络整理
导读:我有一个包含几个分类变量的Pandas DataFrame.例如: import pandas as pdd = {'grade':['A','B','C','A','B'],'year':['2013','2013','2012','2012']}df = pd.DataFrame(d) 我想将其转换为具有以下属性的MultiIndex DataFrame: 第一级索引是变量名称(例如
我有一个包含几个分类变量的Pandas DataFrame.例如:
import pandas as pd d = {'grade':['A','B','C','A','B'],'year':['2013','2013','2012','2012']} df = pd.DataFrame(d) 我想将其转换为具有以下属性的MultiIndex DataFrame: >第一级索引是变量名称(例如“等级”) 例如: 有人可以建议一种创建这个MultiIndex DataFrame的方法吗? 解决方法
另一种方法可以使用melt和groupby:
df_out = df.melt().groupby(['variable','value']).size().to_frame(name='n') df_out['proportion'] = df_out['n'].div(df_out.n.sum(level=0),level=0) print(df_out) 输出: n proportion variable value grade A 2 0.4 B 2 0.4 C 1 0.2 year 2012 2 0.4 2013 3 0.6 并且,如果你真的想变得疯狂并且在单行中做: (df.melt().groupby(['variable','value']).size().to_frame(name='n') .pipe(lambda x: x.assign(proportion = x[['n']]/x.groupby(level=0).transform('sum')))) 使用@Wen pct计算升级的解决方案: (df.melt().groupby(['variable','value']).size().to_frame(name='n') .pipe(lambda x: x.assign(proportion = x['n'].div(x.n.sum(level=0),level=0)))) (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |