python - 将比率字段插入 Pandas 系列

Question

我得到了 Pandas 系列:

 countrypat = asiaselect.groupby('Country')['Pattern'].value_counts().groupby(level=0).head(3)   

输出如下所示:

China      abc                1055
           def                 778
           ghi                 612
Malaysia   def                 554
           abc                 441
           ghi                 178
[...]

如何插入一个新列(我是否必须将其设为数据框)，其中包含数字列与该国家/地区数字总和的比率。因此，对于中国，我想要一个新列，第一行将包含 (1055/(1055+778+612))。我尝试过 unstack() 和 to_df() 但不确定接下来的步骤。

Answer 1

我在我这边创建了一个数据框，但排除了您分配的 .head(3):

countrypat = asiaselect.groupby('Country')['Pattern'].value_counts().groupby(level=0)

以下内容将为您提供简单应用于您的 groupby 对象的比例:

countrypat.apply(lambda x: x / float(x.sum()))

唯一的“问题”是这样做会返回一个系列，因此我会将中间结果存储在两个不同的系列中，并在最后将它们组合起来:

series1 = asiaselect.groupby('Country')['Pattern'].value_counts()
series2 = asiaselect.groupby('Country')['Pattern'].value_counts().groupby(level=0).apply(lambda x: x / float(x.sum()))
pd.DataFrame([series1, series2]).T

China    abc       1055.0  0.431493
         def        778.0  0.318200
         ghi        612.0  0.250307
Malaysia def        554.0  0.472293
         abc        441.0  0.375959
         ghi        178.0  0.151748

要获取前三行，您只需为每个Series1和series2添加一个.groupby(level=0).head(3)即可

series1_top = series1.groupby(level=0).head(3)
series2_top = series2.groupby(level=0).head(3)
pd.DataFrame([series1_top, series2_top]).T

我使用包含超过 3 行的数据框进行了测试，它似乎有效。从以下 df 开始:

China     abc        1055
          def         778
          ghi         612
          yyy           5
          xxx           3
          zzz           3
Malaysia  def         554
          abc         441
          ghi         178
          yyy           5
          xxx           3
          zzz           3

结束如下:

China    abc       1055.0  0.429560
         def        778.0  0.316775
         ghi        612.0  0.249186
Malaysia def        554.0  0.467905
         abc        441.0  0.372466
         ghi        178.0  0.150338