python - 我如何获得由 Pandas 数据框中的值表示的两个连接代码的聚合百分比

Question

我是 Python 新手并试图了解数据操作

df
Alpha               AlphaComboCount
12-99                   8039
22-99                   1792
12-99,138-99            1776
12-45,138-45            1585
21-99                   1225
123-99                  1145
121-99                  1102
21-581                  1000
121-99,22-99             909
32-99                    814
21-141                   75
12-581,12-99             711
347-99                   685
2089-281                 685
123-49,121-29,22-79      626
121-99,123-99,22-99      4

如上所示，有两列。 Alpha 是由 '-' 分隔的 2 个代码串联而成的字符串。我的目标是通过第一个代码找到 alphacombocount 的总百分比。
例如:
其中有 21 个子代码-

Alpha   AlphaComboCount  Percent
21-99   1225             53%
21-141    75             3.2%
21-581  1000            43.3%

您在上面看到的目标是获得相应的百分比。因为这里的总聚合是 21 个子代码中的 2300 个。
组合代码变得更复杂:

   123-49,121-29,22-79       626  99%
    121-99,123-99,22-99      4   0.6%

正如您在上面看到的，所有第一个子代码都相同但重新排列。这也是获取百分比值的有效情况。只要组合与'-'之前的第一个子码相同。我如何才能获得所有 alpha 组合的百分比值？有这个算法吗？

Answer 1

首先，您想将单元格内的代码分开，然后您可以提取第一个代码和 groupby:

# separate the codes
tmp = df.assign(FirstCode=df.Alpha.str.split(','))

# extract the first code
tmp['FirstCode'] = [tuple(sorted(set(x.split('-')[0] for x in cell)))
                        for cell in tmp.FirstCode]

# sum per each first codes with groupby
sum_per_code = tmp['AlphaComboCount'].groupby(tmp['FirstCode']).transform('sum')

# percentage is just a simple division
tmp['Percent'] = tmp['AlphaComboCount']/sum_per_code

# let's print the output:
print(tmp.sort_values('FirstCode'))

输出:

                  Alpha  AlphaComboCount       FirstCode   Percent
0                 12-99             8039           (12,)  0.918743
11         12-581,12-99              711           (12,)  0.081257
2          12-99,138-99             1776       (12, 138)  0.528414
3          12-45,138-45             1585       (12, 138)  0.471586
6                121-99             1102          (121,)  1.000000
14  123-49,121-29,22-79              626  (121, 123, 22)  0.993651
15  121-99,123-99,22-99                4  (121, 123, 22)  0.006349
8          121-99,22-99              909       (121, 22)  1.000000
5                123-99             1145          (123,)  1.000000
13             2089-281              685         (2089,)  1.000000
4                 21-99             1225           (21,)  0.532609
7                21-581             1000           (21,)  0.434783
10               21-141               75           (21,)  0.032609
1                 22-99             1792           (22,)  1.000000
9                 32-99              814           (32,)  1.000000
12               347-99              685          (347,)  1.000000