如何按组计算两列值的比率？

Question

我有一个航班列表作为熊猫数据框，如下所示：airline        status          number    ...Aer Lingus     some error A        14    ...Aeroflot       success             47    ...Air Canada     success              2    ...Air Dolomiti   success              2    ...Air Europa     some error B         4    ...Air France     success             40    ...Alitalia       some error A        10    .......我为每个成功或出错的航班进行了一些 api 调用。我想要的是每家航空公司的成功率。所以我知道我可以用 groupby 计算“航空公司”和“状态”列中值的出现次数，但我没有对值的比率执行此操作。def calculate_quote_success_ratios(flights):    success_ratio_per_airline = flights.groupby(['airline', 'status']).count()    # TODO: Include ratio with failures!    return success_ratio_per_airline预期的输出应该是这样的：airline        success_ratioAer Lingus     0.72Aeroflot       0.845Air Canada     0.935Air Dolomiti   0.5Air Europa     .......编辑：要清楚，该列df['numbers']不相关。所以我只想计算每家航空公司各种错误的“成功”百分比。

Answer 1

我有一个航班列表作为熊猫数据框，如下所示：

airline        status          number    ...

Aer Lingus     some error A        14    ...

Aeroflot       success             47    ...

Air Canada     success              2    ...

Air Dolomiti   success              2    ...

Air Europa     some error B         4    ...

Air France     success             40    ...

Alitalia       some error A        10    ...

....

我为每个成功或出错的航班进行了一些 api 调用。

我想要的是每家航空公司的成功率。所以我知道我可以用 groupby 计算“航空公司”和“状态”列中值的出现次数，但我没有对值的比率执行此操作。

def calculate_quote_success_ratios(flights):

    success_ratio_per_airline = flights.groupby(['airline', 'status']).count()

    # TODO: Include ratio with failures!

    return success_ratio_per_airline

预期的输出应该是这样的：

airline        success_ratio

Aer Lingus     0.72

Aeroflot       0.845

Air Canada     0.935

Air Dolomiti   0.5

Air Europa     ...

....

编辑：要清楚，该列df['numbers']不相关。所以我只想计算每家航空公司各种错误的“成功”百分比。

Answer 2

分组明智的航班数量计数

count_flight=df.groupby('airline').status.count()

成功数量的分组明智计数

count_success=df[df['status']=='success'].groupby('airline').status.count()

pandas div 返回前两个数据帧的分组比率。

count_success.div(count_flight).fillna(0)

Answer 3

我不得不修改你的例子才能让它工作，但你可以简单地做 df.groupby(['airline', 'status']).sum() / df.groupby(['airline']).sum()

原始 df：

airline           status    number

0   Aer Lingus  some error A    14

1   Aeroflot    success 47

2   Air Canada  success 2

3   Air Dolomiti    success 2

4   Air Europa  some error B    4

5   Air France  success 40

6   Alitalia    some error A    10

7   Alitalia    success 10

8   Air France  some error B    10

9   Aer Lingus  success 12

df.groupby(['airline', 'status']).sum() / df.groupby(['airline']).sum()

                                  number

airline         status  

Aer Lingus     some error A     0.538462

               success          0.461538

Aeroflot       success          1.000000

Air Canada      success         1.000000

Air Dolomiti    success         1.000000

Air Europa    some error B      1.000000

Air France    some error B      0.200000

              success           0.800000

Alitalia      some error A      0.500000

              success           0.500000