使用 groupby 的 Pandas 占总数的百分比

Question

这显然很简单，但作为一个麻木的新手，我被卡住了。

我有一个 CSV 文件，其中包含 3 列，即州、办公室 ID 和该办公室的销售额。

我想计算给定州每个办公室的销售额百分比（每个州所有百分比的总和为 100%）。

 df = pd.DataFrame({'state': ['CA', 'WA', 'CO', 'AZ'] * 3,
                   'office_id': range(1, 7) * 2,
                   'sales': [np.random.randint(100000, 999999)
                             for _ in range(12)]})

df.groupby(['state', 'office_id']).agg({'sales': 'sum'})

这将返回：

                   sales
state office_id
AZ    2          839507
      4          373917
      6          347225
CA    1          798585
      3          890850
      5          454423
CO    1          819975
      3          202969
      5          614011
WA    2          163942
      4          369858
      6          959285

我似乎无法弄清楚如何“达到” state 水平 groupby 总计 sales state 计算分数。

原文由 erikcw 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

2022 年 3 月更新

caner 使用 transform 的 这个答案 看起来比我原来的答案好得多！

 df['sales'] / df.groupby('state')['sales'].transform('sum')

感谢 Paul Rougieux 发表的 评论。

原始答案（2014）

Paul H 的回答 是正确的，您将不得不创建第二个 groupby 对象，但您可以以更简单的方式计算百分比 --- 只需 groupby state_office 并将 sales 列除以其总和。复制 Paul H 答案的开头：

 # From Paul H
import numpy as np
import pandas as pd
np.random.seed(0)
df = pd.DataFrame({'state': ['CA', 'WA', 'CO', 'AZ'] * 3,
                   'office_id': list(range(1, 7)) * 2,
                   'sales': [np.random.randint(100000, 999999)
                             for _ in range(12)]})
state_office = df.groupby(['state', 'office_id']).agg({'sales': 'sum'})
# Change: groupby state_office and divide by sum
state_pcts = state_office.groupby(level=0).apply(lambda x:
                                                 100 * x / float(x.sum()))

回报：

                      sales
state office_id
AZ    2          16.981365
      4          19.250033
      6          63.768601
CA    1          19.331879
      3          33.858747
      5          46.809373
CO    1          36.851857
      3          19.874290
      5          43.273852
WA    2          34.707233
      4          35.511259
      6          29.781508

原文由 exp1orer 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

（此解决方案灵感来自这篇文章 https://pbpython.com/pandas_transform.html ）

我发现以下解决方案是使用 transformation 最简单（也可能是最快）的解决方案：

转换：虽然聚合必须返回数据的缩减版本，但转换可以返回完整数据的一些转换版本以重新组合。对于这样的转换，输出与输入的形状相同。

所以使用 transformation ，解决方案是 1-liner：

 df['%'] = 100 * df['sales'] / df.groupby('state')['sales'].transform('sum')

如果你打印：

 print(df.sort_values(['state', 'office_id']).reset_index(drop=True))

   state  office_id   sales          %
0     AZ          2  195197   9.844309
1     AZ          4  877890  44.274352
2     AZ          6  909754  45.881339
3     CA          1  614752  50.415708
4     CA          3  395340  32.421767
5     CA          5  209274  17.162525
6     CO          1  549430  42.659629
7     CO          3  457514  35.522956
8     CO          5  280995  21.817415
9     WA          2  828238  35.696929
10    WA          4  719366  31.004563
11    WA          6  772590  33.298509

原文由 Caner 发布，翻译遵循 CC BY-SA 4.0 许可协议