Python Pandas 计算每个类别的返回百分比

Question

我有以下 python pandas 数据框:

          |   Number of visits per year  |
user id   |  2013  | 2014 | 2015 | 2016  |
   A           4       3     6      0     
   B           3       0     7      3
   C          10       6     3      0

我想根据访问次数计算回访用户的百分比。抱歉，我还没有任何代码，我不知道如何开始。

这是我正在寻找的最终结果:

         |       Number of visits in the year     |
 Year    | 1  | 2 | 3  | 4  | 5 | 6 | 7  | 8  | 9 | 10 |  
 2014      7%   3%  4%   15%  6%  7%  18%  17% 3%   2%   
 2015      3% ....
 2016

因此，根据上述情况，我可以说，在 2013 年光顾该商店 4 次的客户中，有 15% 在 2014 年再次光顾该商店。

非常感谢。

<小时/>

更新:这就是我所做的，也许有更好的循环方式？

每年，我都有一个像这样的 csv:

user_id |    NR_V
   A           4      
   B           3       
   C          10 

NR_V代表访问次数。

因此，我上传了每个 csv，因为它是自己的 df，并且我有 df_2009、df_2010，...直到 df_2016。

对于每个文件，如果他们明年购物，我会添加一个带有 0/1 的列。

 df_2009['shopped2010'] = np.where(df_2009['user_ID'].isin(df_2010['user_ID']), 1, 0)

然后我旋转每个数据帧。

 pivot_2009 = pd.pivot_table(df_2009,index=["NR_V"],aggfunc={"NR_V":len, "shopped2010":np.sum})

接下来，我为每个数据框创建了一个新的数据框，其中有一列计算访问次数的百分比。

p_2009 = pd.DataFrame()
p_2009['%returned2010'] = (pivot_2009['shopped2010']/pivot_2009['NR_V'])*100

最后，我将所有这些数据框合并为一个。

dfs = [p_2009, p_2010, p_2011, p_2012, p_2013, p_2014, p_2015 ]
final = pd.concat(dfs, axis=1)

Answer 1

考虑示例访问数据帧df

df = pd.DataFrame(
    np.random.randint(1, 10, (100, 5)),
    pd.Index(['user_{}'.format(i) for i in range(1, 101)], name='user id'),
    [
        ['Number of visits per year'] * 5,
        [2012, 2013, 2014, 2015, 2016]
    ]
)

df.head()

<小时/>

您可以使用参数normalize=True应用pd.value_counts。
此外，由于 8 条目代表 8 次单独访问，因此应计数 8 次。我将在 value_counts 之前使用 repeat 来完成此操作

def count_visits(col):
    v = col.values
    return pd.value_counts(v.repeat(v), normalize=True)

df.apply(count_visits).stack().unstack(0)