如何获得由 pandas 数据框中的值表示的两个串联代码的聚合百分比

Question

我是 python 新手，并试图了解数据操作dfAlpha               AlphaComboCount12-99                   803922-99                   179212-99,138-99            177612-45,138-45            158521-99                   1225123-99                  1145121-99                  110221-581                  1000121-99,22-99             90932-99                    81421-141                   7512-581,12-99             711347-99                   6852089-281                 685123-49,121-29,22-79      626121-99,123-99,22-99      4正如您在上面看到的，有两列。Alpha 是由 2 个以“-”分隔的代码串联而成的字符串。我的目标是找到第一个代码的 alphacombocount 的总百分比。例如：其中有 21 个子代码-Alpha   AlphaComboCount  Percent21-99   1225             53%21-141    75             3.2%21-581  1000            43.3%正如您在上面看到的，目标是获得相应的百分比。因为这里的总聚合是 21 个子码中的 2300 个。组合代码变得更复杂：   123-49,121-29,22-79       626  99%    121-99,123-99,22-99      4   0.6%正如您在上面看到的，所有第一个子代码都是相同的，但重新排列了。这也是获取百分比值的有效情况。只要组合与“-”之前的第一个子码相同即可。我怎样才能得到所有 alpha 组合的百分比值？有这方面的算法吗？

Answer 1

首先，您想要分离单元格内的代码，然后您可以提取第一个代码和groupby：

# separate the codes

tmp = df.assign(FirstCode=df.Alpha.str.split(','))

# extract the first code

tmp['FirstCode'] = [tuple(sorted(set(x.split('-')[0] for x in cell)))

                        for cell in tmp.FirstCode]

# sum per each first codes with groupby

sum_per_code = tmp['AlphaComboCount'].groupby(tmp['FirstCode']).transform('sum')

# percentage is just a simple division

tmp['Percent'] = tmp['AlphaComboCount']/sum_per_code

# let's print the output:

print(tmp.sort_values('FirstCode'))

输出：

                  Alpha  AlphaComboCount       FirstCode   Percent

0                 12-99             8039           (12,)  0.918743

11         12-581,12-99              711           (12,)  0.081257

2          12-99,138-99             1776       (12, 138)  0.528414

3          12-45,138-45             1585       (12, 138)  0.471586

6                121-99             1102          (121,)  1.000000

14  123-49,121-29,22-79              626  (121, 123, 22)  0.993651

15  121-99,123-99,22-99                4  (121, 123, 22)  0.006349

8          121-99,22-99              909       (121, 22)  1.000000

5                123-99             1145          (123,)  1.000000

13             2089-281              685         (2089,)  1.000000

4                 21-99             1225           (21,)  0.532609

7                21-581             1000           (21,)  0.434783

10               21-141               75           (21,)  0.032609

1                 22-99             1792           (22,)  1.000000

9                 32-99              814           (32,)  1.000000

12               347-99              685          (347,)  1.000000

Answer 2

如果Alpha列中有多个代码，顺序不同，那么可能的解决方案之一是提取其中之一（例如最小），然后取出“-”之前的部分，将其保存在新列中并在进一步中使用加工：

df['Alpha_1'] = df.Alpha.str.split(',')\

    .apply(lambda lst: min(lst)).str.split('-', expand=True)[0]

结果是：

                  Alpha  AlphaComboCount Alpha_1

0                 12-99             8039      12

1                 22-99             1792      22

2          12-99,138-99             1776      12

3          12-45,138-45             1585      12

4                 21-99             1225      21

5                123-99             1145     123

6                121-99             1102     121

7                21-581             1000      21

8          121-99,22-99              909     121

9                 32-99              814      32

10               21-141               75      21

11         12-581,12-99              711      12

12               347-99              685     347

13             2089-281              685    2089

14  123-49,121-29,22-79              626     121

15  121-99,123-99,22-99                4     121

要计算每个组中AlphaComboCount的百分比（具有特定值Alpha_1），请定义以下函数：

def proc(grp):

    return (grp.AlphaComboCount / grp.AlphaComboCount.sum()

        * 100).apply('{0:.2f}%'.format)

按Alpha_1对df进行分组并应用此函数，将结果保存在Grp_pct列中：

df['Grp_pct'] = df.groupby('Alpha_1').apply(proc).reset_index(level=0, drop=True)

要轻松检查结果，请将每组中的行放在一起，按以下方式打印df ：

print(df.sort_values('Alpha_1'))

得到：

                  Alpha  AlphaComboCount Alpha_1  Grp_pct

0                 12-99             8039      12   66.38%

2          12-99,138-99             1776      12   14.66%

3          12-45,138-45             1585      12   13.09%

11         12-581,12-99              711      12    5.87%

6                121-99             1102     121   41.73%

8          121-99,22-99              909     121   34.42%

14  123-49,121-29,22-79              626     121   23.70%

15  121-99,123-99,22-99                4     121    0.15%

5                123-99             1145     123  100.00%

13             2089-281              685    2089  100.00%

4                 21-99             1225      21   53.26%

7                21-581             1000      21   43.48%

10               21-141               75      21    3.26%

1                 22-99             1792      22  100.00%

9                 32-99              814      32  100.00%

12               347-99              685     347  100.00%

现在，例如，将有关Alpha_1 == 21 的部分与子代码21的预期结果进行比较。