代码之家 › 专栏 › 技术社区 › Nicola

按子人口百分比的多级分组

multi-level pandas-groupby percentage frequency pandas

Nicola · 技术社区 · 6 年前

让我们考虑以下数据帧:

df = {'Location': ['A','A','B','B','C','C','A','C','A'],
'Gender'['M','M','F','M','M','F','M','M','M'],
'Edu'['N','N','Y','Y','Y','N','Y','Y','Y'],
'Access1': [1,0,1,0,1,0,1,1,1], 'Access2': [1,1,1,0,0,1,0,0,1] }
df = pd.DataFrame(data=d, dtype=np.int8)

数据帧输出:

   Access1  Access2 Edu Gender Location
0        1        1   N      M        A
1        0        1   N      M        A
2        1        1   Y      F        B
3        0        0   Y      M        B
4        1        0   Y      M        C
5        0        1   N      F        C
6        1        0   Y      M        A
7        1        0   Y      M        C
8        1        1   Y      M        A

然后我用groupby分析df中的频率

D0=df.groupby(['Location','Gender','Edu']).sum()
((D0/ D0.groupby(level = [0]).transform(sum))*100).round(3).astype(str) + '%'

输出:

                     Access1  Access2
Location Gender Edu                  
A        M      N    33.333%  66.667%
                Y    66.667%  33.333%
B        F      Y     100.0%   100.0%
         M      Y       0.0%     0.0%
C        F      N       0.0%   100.0%
         M      Y     100.0%     0.0%

根据这一结果,我推断,A区33.3%的未受教育男性有权获得1号服务(=access1),这是因为考虑到A区3人有权获得1号服务,其中1名未受教育男性有权获得1号服务(=1/3)。

然而,希望得到不同的输出。我想把A区总共4个人作为我的100%。50%的男性没有受过教育。在50%的未受过教育的男性中,有25%的人可以获得1号服务。所以,我想在表中看到的百分比是25%(A区未受教育男性进入服务1的总数)。Groupby是否是到达目的地的正确方法,以及在考虑从每个位置的引用总人口中进行分解时,衡量服务1访问率的最佳方法是什么?

1 回复 | 直到 6 年前

jezrael 6 年前

我认为需要分歧 D0 按映射的多索引的第一级 a 系列:

D0=df.groupby(['Location','Gender','Edu']).sum()

a = df['Location'].value_counts()
#alternative
#a = df.groupby(['Location']).size()
print (a)
A    4
C    3
B    2
Name: Location, dtype: int64

df1 = D0.div(D0.index.get_level_values(0).map(a.get), axis=0)
print (df1)
                      Access1   Access2
Location Gender Edu                    
A        M      N    0.250000  0.500000
                Y    0.500000  0.250000
B        F      Y    0.500000  0.500000
         M      Y    0.000000  0.000000
C        F      N    0.000000  0.333333
         M      Y    0.666667  0.000000

细节 :

print (D0.index.get_level_values(0).map(a.get))
Int64Index([4, 4, 2, 2, 3, 3], dtype='int64', name='Location')