python - pandas agg 中的列列表的份额/百分比

Question

我有这种数据框

dat = [{"date": datetime.date(2021,1,1), "c_id" : "a", "var1": 2, "var2":  1, "var3" : 10 },
       {"date": datetime.date(2021,1,1), "c_id" : "b", "var1": 2, "var2":  0, "var3" : 20 },
       {"date": datetime.date(2021,2,1), "c_id" : "a", "var1": 2, "var2":  1, "var3" : 30 },
       {"date": datetime.date(2021,2,1), "c_id" : "b", "var1": 2, "var2":  3, "var3" : 10 },
       {"date": datetime.date(2021,3,1), "c_id" : "a", "var1": 2, "var2":  1, "var3" : 30 },
       {"date": datetime.date(2021,3,1), "c_id" : "b", "var1": 2, "var2":  3, "var3" : 20 },
       ]

df = pd.DataFrame(dat)

>>> df
         date c_id  var1  var2  var3
0  2021-01-01    a     2     1    10
1  2021-01-01    b     2     0    20
2  2021-02-01    a     2     1    30
3  2021-02-01    b     2     3    10
4  2021-03-01    a     2     1    30
5  2021-03-01    b     2     3    20

我希望每个(日期，c_id)拥有这 3 个命名变量的份额。所以例如...

>>> df
         date c_id  var1  var2  var3  var1_share var2_share var3_share
0  2021-01-01    a     2     1    10        0.15       0.07       0.76
1  2021-01-01    b     2     0    20        0.09       0.00       0.90
2  2021-02-01    a     2     1    30        0.06       0.03       0.90
3  2021-02-01    b     2     3    10        0.13       0.20       0.66
4  2021-03-01    a     2     1    30        0.06       0.03       0.90
5  2021-03-01    b     2     3    20        0.08       0.12       0.80

如果我单独列出这些，我可以以一种愚蠢的方式做到这一点......

>>> df.insert(5, "var1_share", df.apply(lambda x: x["var1"] / x[["var1", "var2", "var3"]].sum(), axis=1))
>>> df
         date c_id  var1  var2  var3  var1_share
0  2021-01-01    a     2     1    10    0.153846
1  2021-01-01    b     2     0    20    0.090909
2  2021-02-01    a     2     1    30    0.060606
3  2021-02-01    b     2     3    10    0.133333
4  2021-03-01    a     2     1    30    0.060606
5  2021-03-01    b     2     3    20    0.080000

在一些有效列列表上迭代此过程的 Pandas 魔法是什么， mylist= ["var1", "var2", "var3"] ?我怀疑有一个应用程序可以在单行中做到这一点？
另外，pandas 专家，跨数据帧的列调用此操作会是什么？我确定这很常见，但我不确定如何更好地搜索它。

Answer 1

你可以使用 sum沿着柱子。

mylist= ["var1", "var2", "var3"]
df[[f'{c}_share' for c in mylist]] = (df[mylist]/df[mylist].sum(axis=1).to_numpy()[:, None]).round(2)
print(df)
         date c_id  var1  var2  var3  var1_share  var2_share  var3_share
0  2021-01-01    a     2     1    10        0.15        0.08        0.77
1  2021-01-01    b     2     0    20        0.09        0.00        0.91
2  2021-02-01    a     2     1    30        0.06        0.03        0.91
3  2021-02-01    b     2     3    10        0.13        0.20        0.67
4  2021-03-01    a     2     1    30        0.06        0.03        0.91
5  2021-03-01    b     2     3    20        0.08        0.12        0.80