熊猫占groupby总数的百分比
这显然很简单，但作为一个新手，我被卡住了。
我有一个CSV文件，其中包含3列：州、办公室ID和该办公室的销售额。
我想计算给定州每个办公室的销售额百分比（每个州所有百分比的总和为100%）。
df = pd.DataFrame({'state': ['CA', 'WA', 'CO', 'AZ'] * 3,
'office_id': range(1, 7) * 2,
'sales': [np.random.randint(100000, 999999)
for _ in range(12)]})
df.groupby(['state', 'office_id']).agg({'sales': 'sum'})
这返回：
sales
state office_id
AZ 2 839507
4 373917
6 347225
CA 1 798585
3 890850
5 454423
CO 1 819975
3 202969
5 614011
WA 2 163942
4 369858
6 959285
我似乎不知道如何“达到”group的级别，以总计整个state的销售额来计算分数。
共有3个答案
为了简洁起见，我会使用SeriesGroupBy：
In [11]: c = df.groupby(['state', 'office_id'])['sales'].sum().rename("count")
In [12]: c
Out[12]:
state office_id
AZ 2 925105
4 592852
6 362198
CA 1 819164
3 743055
5 292885
CO 1 525994
3 338378
5 490335
WA 2 623380
4 441560
6 451428
Name: count, dtype: int64
In [13]: c / c.groupby(level=0).sum()
Out[13]:
state office_id
AZ 2 0.492037
4 0.315321
6 0.192643
CA 1 0.441573
3 0.400546
5 0.157881
CO 1 0.388271
3 0.249779
5 0.361949
WA 2 0.411101
4 0.291196
6 0.297703
Name: count, dtype: float64
对于多个组，您必须使用transform（使用Radical的df）：
In [21]: c = df.groupby(["Group 1","Group 2","Final Group"])["Numbers I want as percents"].sum().rename("count")
In [22]: c / c.groupby(level=[0, 1]).transform("sum")
Out[22]:
Group 1 Group 2 Final Group
AAHQ BOSC OWON 0.331006
TLAM 0.668994
MQVF BWSI 0.288961
FXZM 0.711039
ODWV NFCH 0.262395
...
Name: count, dtype: float64
这似乎比其他答案稍有表现（对我来说，不到激进答案速度的两倍~0.08秒）。
您需要创建第二个按状态分组的groupby对象，然后使用div方法：
import numpy as np
import pandas as pd
np.random.seed(0)
df = pd.DataFrame({'state': ['CA', 'WA', 'CO', 'AZ'] * 3,
'office_id': list(range(1, 7)) * 2,
'sales': [np.random.randint(100000, 999999) for _ in range(12)]})
state_office = df.groupby(['state', 'office_id']).agg({'sales': 'sum'})
state = df.groupby(['state']).agg({'sales': 'sum'})
state_office.div(state, level='state') * 100
sales
state office_id
AZ 2 16.981365
4 19.250033
6 63.768601
CA 1 19.331879
3 33.858747
5 46.809373
CO 1 36.851857
3 19.874290
5 43.273852
WA 2 34.707233
4 35.511259
6 29.781508
div中的level='state'kwarg告诉pandas根据索引的state级别中的值广播/加入数据帧。
Paul H的回答是正确的，您将不得不创建第二个Groupby对象，但是您可以用更简单的方法计算百分比--只需Groupbythestate_office并划分销售列通过它的总和。抄袭保罗H回答的开头：
# From Paul H
import numpy as np
import pandas as pd
np.random.seed(0)
df = pd.DataFrame({'state': ['CA', 'WA', 'CO', 'AZ'] * 3,
'office_id': list(range(1, 7)) * 2,
'sales': [np.random.randint(100000, 999999)
for _ in range(12)]})
state_office = df.groupby(['state', 'office_id']).agg({'sales': 'sum'})
# Change: groupby state_office and divide by sum
state_pcts = state_office.groupby(level=0).apply(lambda x:
100 * x / float(x.sum()))
返回：
sales
state office_id
AZ 2 16.981365
4 19.250033
6 63.768601
CA 1 19.331879
3 33.858747
5 46.809373
CO 1 36.851857
3 19.874290
5 43.273852
WA 2 34.707233
4 35.511259
6 29.781508
-
问题内容： 这显然很简单，但是作为一个笨拙的新手，我陷入了困境。 我有一个包含3列的CSV文件，分别是该办公室的州，办公室ID和销售。 我想计算给定状态下每个办公室的销售百分比（每个州的所有百分比的总和为100％）。 返回： 我似乎无法弄清楚如何“高达”的水平与总起来对整个计算分数。 问题答案： 你将不得不创建第二个对象，但是你可以以一种更简单的方式来计算百分比-仅计算并将该列除以其和即可。复制P
-
我必须根据以下col1、col2和loc的数据进行分组，并计算col3中的项数。此外，还应考虑开始和结束日期，即日期应在2021 1月1日至2021 1月31日之间。最终结果应显示在col4中。 数据 预期输出
-
问题内容： 我有一个看起来像这样的DataFrame： 我想将其转换为对属于某些bin的视图进行计数，如下所示： 我试过了： 但它仅提供汇总计数，而不提供用户计数。如何获得用户的垃圾箱计数？ 总计计数（使用我的真实数据）如下所示： 问题答案： 您可以按垃圾箱 和 用户名分组，计算分组大小，然后使用：
-
问题内容： 所以我有一个数据框df1，看起来像下面的样子： 我想按A列分组，然后对B列求和，同时将值保留在C列中。 问题是，当我说df.groupby（’A’）。sum（）列C被删除时，返回 当我进行分组和求和时，如何解决这个问题并保留C列？ 问题答案： 唯一的方法是将C包含在groupby中（groupby函数可以接受列表）。 试试看： 需要注意的另一件事是，如果需要在聚合后使用df，则还可以使
-
问题内容： 我正在尝试使用具有相似列值的行来估算值。 例如，我有这个数据框 我想使用相似的列[‘one’]和[‘two’]的键，并且如果列[‘three’]并非完全是nan，则从具有相似的键的行中插值[ ‘3’] 这是我的愿望结果 您会看到键1和3不包含任何值，因为现有值不存在。 我试过使用groupby fillna（） 这给了我一个错误。 我尝试了正向填充，这给了我一个相当奇怪的结果，那就是它
-
问题内容： 我经常使用pandas groupby生成堆积表。但是然后我经常想将生成的嵌套关系输出到json。有什么方法可以从生成的堆叠表中提取嵌套的json文件吗？ 假设我有一个df，例如： 我可以： 美丽！当然，我真正想做的是通过命令沿着grouped.to_json嵌套嵌套的json。但是该功能不可用。任何解决方法？ 所以，我真正想要的是这样的： 唐 问题答案： 我认为熊猫没有内置任何东西可