python - 在 Pandas 中，如何计算给定另一列值的列值的相对概率？

Question

我有两个数据框，vehicles 和 casualties，每个数据框都有一个公共(public)列 Accident_Index:

import pandas as pd

vehicles = pd.DataFrame({'Accident_Index': [1, 1, 2, 3, 3, 4, 4], 
                         'Vehicle_Type': ['car', 'car', 'motorcyle', 'car', 'car', 'car', 'car'],
                         'Sex_Driver': ['male', 'female', 'male', 'female', 'female', 'male', 'male']})

casualties = pd.DataFrame({'Accident_Index': [1, 1, 2, 3, 4],
                           'Casualty_Severity': ['fatal', 'serious', 'fatal', 'light', 'fatal']})

为了便于可视化，这里是车辆:

   Accident_Index Sex_Driver Vehicle_Type
0               1       male          car
1               1     female          car
2               2       male    motorcyle
3               3     female          car
4               3     female          car
5               4       male          car
6               4       male          car

这是伤亡人数:

   Accident_Index Casualty_Severity
0               1             fatal
1               1           serious
2               2             fatal
3               3             light
4               4             fatal

我想计算一下，男性汽车司机发生的事故比女性汽车司机发生的事故致命的可能性高出多少倍。

到目前为止，我已经提出了以下解决方案:

dfm = casualties.merge(vehicles, on='Accident_Index')
dfm_cars = dfm.loc[dfm.Vehicle_Type == 'car']

dfm_cars_fatal_male = dfm_cars.isin({'Casualty_Severity': ['fatal'], 'Sex_Driver': ['male']})
male_driver_involved_in_fatal_car_accident = (dfm_cars_fatal_male['Casualty_Severity'] & dfm_cars_fatal_male['Sex_Driver']).sum()

dfm_cars_fatal_female = dfm_cars.isin({'Casualty_Severity': ['fatal'], 'Sex_Driver': ['female']})
female_driver_involved_in_fatal_car_accident = (dfm_cars_fatal_female['Casualty_Severity'] & dfm_cars_fatal_female['Sex_Driver']).sum()

print(male_driver_involved_in_fatal_car_accident / female_driver_involved_in_fatal_car_accident)

本例中的答案是3，因为有两起车祸导致死亡，其中一起涉及一名男性和一名女性司机，另一份涉及两名男性司机。

但是，这段代码看起来并不是特别简洁。我该如何重构这个？

Answer 1

IIUC，您可以使用merge + query + groupby:

g = casualties.merge(vehicles, on='Accident_Index')\
        .query("Vehicle_Type == 'car' and Casualty_Severity == 'fatal'")\
        .groupby('Sex_Driver').Sex_Driver.count()

g / g.sum()

Sex_Driver
female    0.25
male      0.75
Name: Sex_Driver, dtype: float64

<小时/>

为了使这更简单，您可以使用变量进行查询:

vehicle = 'car'
severity = 'fatal'

然后您可以将查询步骤重写为:

query("Vehicle_Type == @vehicle and Casualty_Severity == @severity")

如果您想将代码放入函数中并针对各种输入组合进行测试，这可以更轻松地重用您的代码。