027—pandas 不同分类每天指定取值的比例

前言

本例我们将进行分组计算,分组后得到一个堆叠数据,并对堆叠数据解除堆叠,最后再按要求格式化为百分数样式。

此类操作会经常发生在业务数据透视场景下,一般都会有 Excel 来操作完成,今天我们使用 Python 的 pandas 的完成。

需求:

期望按 Category 分组,得到每日 Repeat 列 Y 值的占比,即 Y/(Y+N) 的百分比。

思路:

  • 根据需求要求,要按 ['Category', 'Date'] 进行分组,分组后最关键的是计算 Y 值的占比,计算占比可以写一个函数,先计算
    Y 的取值数据再除以当前组的总值数。
  • 得到的分组数据是一个堆叠形式的数据,将其解除堆叠,第二层索引会出现在行索引上。
  • 最后再利用 DataFrame 的 style 对象应用 format 方法进行百分数的格式化。

二、使用步骤

1.引入库

代码如下(示例):

python 复制代码
import pandas as pd
from io import StringIO

2.读入数据

代码如下(示例):

python 复制代码
data = '''
CustomerID Category Repeat Date
1 A Y 2022-01-10
2 B N 2022-01-10
3 A N 2022-02-10
4 A N 2022-01-10
5 B Y 2022-01-10
6 B Y 2022-02-10
7 A Y 2022-01-10
8 B N 2022-02-10
9 A Y 2022-02-10
10 A N 2022-01-10
11 A Y 2022-02-10
12 B N 2022-01-10
13 A N 2022-01-10
14 A N 2022-02-10
15 B Y 2022-02-10
16 B Y 2022-01-10
17 A Y 2022-01-10
18 B N 2022-02-10
19 A Y 2022-02-10
20 A N 2022-01-10
'''

df = pd.read_csv(StringIO(data), sep=' ')
df
python 复制代码
#此时得到的是一个分组对象,每个分组包含各组的子 DataFrame。在计算时,只需要 Repeat 参与计算,因此我们可以取分组对象的 Repeat 的列,就得到了几个 Repeat 分组的子 Series。
#然后对这个分组对象应用函数:
(
    df.groupby(['Category', 'Date'])
    .Repeat
    .apply(lambda x: (x=='Y').sum()/x.count())
)
# 定义的 lambda 函数中,(x=='Y') 得到一个布尔序列,代表子 Series 对应位置上的是否为 Y,
# 由于 sum() 求值时, True 为 1,可以计算出有多少个 True,即得到有多少个值为 Y。
# 分母上的 x.count() 表示子序列有多少个值。
python 复制代码
#上边代码得到的结果就是按 Category 分组下的每天 Y 值的占比。由于结果是一个堆叠形式,我们使用 unstack() 解除堆叠:
(
    df.groupby(['Category', 'Date'])
    .Repeat
    .apply(lambda x: (x=='Y').sum()/x.count())
    .unstack()
)
# 这样,Date 列就成为了列索引。
python 复制代码
# 最后,使用 DataFrame 的 style 对象应用 format 方法进行百分数的格式化。
# 最终代码为:
(
    df.groupby(['Category', 'Date'])
    .Repeat
    .apply(lambda x: (x=='Y').sum()/x.count())
    .unstack()
    .style
    .format("{:.2%}")
)

总结

以上就是今天要讲的内容,本文仅仅简单介绍了pandas的使用,而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。

相关推荐
唐古乌梁海2 天前
【pandas】-4- 索新增列,assign,applay,map使用
pandas
qingyunliushuiyu3 天前
BI数据可视化:驱动数据价值释放的关键引擎
数据挖掘·数据分析·数据分析系统·数据分析平台·bi数据可视化
折翼的恶魔3 天前
数据分析:排序
python·数据分析·pandas
HenrySmale3 天前
05 回归问题和分类问题
分类·数据挖掘·回归
✎﹏赤子·墨筱晗♪3 天前
深入浅出LVS负载均衡群集:原理、分类与NAT模式实战部署
分类·负载均衡·lvs
万粉变现经纪人3 天前
如何解决pip安装报错ModuleNotFoundError: No module named ‘cuml’问题
python·scrapy·beautifulsoup·pandas·ai编程·pip·scipy
victory04313 天前
wav2vec微调进行疾病语音分类任务
人工智能·分类·数据挖掘
折翼的恶魔3 天前
数据分析:合并二
python·数据分析·pandas
☼←安于亥时→❦3 天前
数据分析之Pandas入门小结
python·pandas