python - 基于分组列的条件总和

Question

基本上，我想创建一个列ERROR RATE，它将ERROR中的YES的总和除以NO 位于 ERROR 中，但要根据 DESCRIPTION< 按 LOCATION 过滤 ERROR RATE/.

df = pd.DataFrame({'ERROR' : ['YES','YES','NO','NO','YES'],
           'LOCATION' : ['London', 'New York', 'Edinburgh', 'Paris', 'Berlin'],
           'DESCRIPTION' : ['Good', 'Bad', 'Good', 'Bad', 'Bad']}) 

我尝试按照以下方式编写代码:

df.groupby(['DESCRIPTION','LOCATION'])['ERROR'].agg()

但我不确定a)这是否是正确的方法以及b)我需要为agg()编写什么样的函数

提前致谢

Answer 1

也许您正在寻找 groupby + value_counts + unstack + div？

i = df.groupby(['DESCRIPTION' ,'LOCATION']).ERROR.value_counts().unstack(-1)
j = (i.YES / i.NO).to_frame('ERROR_RATE')

j

                       ERROR_RATE
DESCRIPTION LOCATION             
Bad         Berlin            ...
            New York          ...
            Paris             ...
Good        Edinburgh         ...
            London            ...

如果特定组中没有 YES 或 NO 计数，则结果列中的这些条目将具有 NaN最终结果。

<小时/>

如果您使用 agg，则需要 3 路 groupby。

i = df.groupby(['DESCRIPTION','LOCATION','ERROR']).ERROR.count().unstack()
j = (i.YES / i.NO).to_frame('ERROR_RATE')

j
                       ERROR_RATE
DESCRIPTION LOCATION             
Bad         Berlin            ...
            New York          ...
            Paris             ...
Good        Edinburgh         ...
            London            ...

count 与 agg('count') 相同。