熊猫，应用函数返回错误的结果

Question

我有这个函数的问题，它必须返回一列中每个特征的比例。

以下是一些很容易编造的数据：

df2 = pd.DataFrame({'X': ['A', 'A', 'B' , 'C'], 'Y': [1, 0, 0 , 1], 'Z': [1, 0, 1 , 1]})

df2['X'].value_counts() 

当我计算我得到的值时

A    2

B    1

C    1

现在，我需要获取“X”每个值的比例

for freq in df2['X'].value_counts():

    #print(freq)

    print(freq/df2['X'].value_counts().sum())

结果如下：

0.5

0.25

0.25

完善

现在我必须应用于我的数据帧并获取新列。功能下方：

def get_proportion(df):

    for freq in df2['X'].value_counts():

        return (freq/df2['X'].value_counts().sum())

df2["A"]=df2.apply(get_proportion, axis=1)

结果：

    X   Y   Z   A

0   A   1   1   0.5

1   A   0   0   0.5

2   B   0   1   0.5

3   C   1   1   0.5

我应该得到

    X   Y   Z   A

0   A   1   1   0.5

1   A   0   0   0.5

2   B   0   1   0.25

3   C   1   1   0.25

怎么了？

如果设置返回循环下，我得到缩进错误

def get_proportion(df):

    for freq in df['X'].value_counts():

    return freq/df['X'].value_counts().sum()

缩进错误：预期缩进块

如果我设置了一个参数

df2["A"]=df2.apply(get_proportion(df2), axis=1)

我收到错误

TypeError: 'numpy.float64' object is not callable

如果你能帮忙，谢谢你。

Answer 1

您可以执行（修复第一次尝试）：dftemp=df2['X'].value_counts(normalize=True)df2=df2.set_index("X")df2["A"]=dftempdf2=df2.reset_index()您的尝试不起作用的原因是，在分配期间基于索引的自动拟合（即pandasdf1['x']=df2['y']不会按顺序赋值，但仅在索引与索引匹配的位置分配值，而不管顺序如何，也无论是否存在重复的索引。df2df1df2作为替代方案，您可以使用它们并通过 进行简单的连接。mergeX

Answer 2

df2["A"] = df2.X.apply(lambda x: (df2["X"].value_counts() / len(df2))[x])len(df2)是数据帧的行数，df2(df2["X"].value_counts() / len(df2))是列 中元素的相对出现的序列。"X"