python - 在 pandas groupby 对象中创建求和和除法

Question

我有一个城市列表和一个虚拟变量。 1 表示存在欺诈订单，0 表示订单良好。我试图确定订单有多少时间是欺诈性的。

因此，我正在尝试:

1. 按城市分组
2. 创建他们所下订单数量的总和，
3. 然后确定有多少百分比的订单是欺诈。

我的数据框:

df_city = pd.DataFrame({'City':['LA', 'NYC', 'NYC', 'LA', 'Chicago', 'NYC'],
       'isFraud':[1, 0, 0, 1, 0, 1]})

我可以按城市分组:

group = df['isFraud'].groupby(df['City']).count()

City     LA          2
         NYC         3
         Chicago     1

但是上面并没有爆出他们是否达到了阈值。

我为每个虚拟对象创建了列:

df_fraud = pd.get_dummies(df_city['isFraud'])
df_city = df_city.join(df_fraud)

df_city.rename(columns={0 : 'Non-Fraud', 1 : 'Fraud'}, inplace=True)
df_city['Fraud'].where(df_city['Fraud'] == 0, np.nan)
df_city['Non-Fraud'].where(df_city['Non-Fraud'] == 0, 1)

#Group by City
group_fraud_rate = df_city[['Fraud', 'Non-Fraud']].groupby(df_city['ship_city']).count()`

          Fraud   Non-Fraud
LA         2         0
NYC        1         2
Chicago    0         1

但是，我不确定是否/如何获得总和列然后计算百分比。

感谢任何帮助!

Answer 1

您可以使用 agg 函数，然后分别计算欺诈、非欺诈和欺诈百分比。

df.groupby(df['City'])['isFraud'].agg({'Fraud':sum, 'Non-Fraud': lambda x: len(x)-sum(x), 'Fraud_Pct': lambda x: float(sum(x))/len(x)})
Out[1084]: 
         Non-Fraud  Fraud  Fraud_Pct
City                                
Chicago          1      0   0.000000
LA               0      2   1.000000
NYC              2      1   0.333333

不使用字典重命名的另一种方法:

df.groupby(df['City'])['isFraud'].agg(['sum', lambda x: len(x)-sum(x),'mean']).rename(columns={'sum':'Fraud','<lambda>': 'Non-Fraud','mean': 'Fraud_Pct'})