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

df

Alpha               AlphaComboCount

12-99                   8039

22-99                   1792

12-99,138-99            1776

12-45,138-45            1585

21-99                   1225

123-99                  1145

121-99                  1102

21-581                  1000

121-99,22-99             909

32-99                    814

21-141                   75

12-581,12-99             711

347-99                   685

2089-281                 685

123-49,121-29,22-79      626

121-99,123-99,22-99      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  Percent

21-99   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 codestmp = df.assign(FirstCode=df.Alpha.str.split(','))# extract the first codetmp['FirstCode'] = [tuple(sorted(set(x.split('-')[0] for x in cell)))                        for cell in tmp.FirstCode]# sum per each first codes with groupbysum_per_code = tmp['AlphaComboCount'].groupby(tmp['FirstCode']).transform('sum')# percentage is just a simple divisiontmp['Percent'] = tmp['AlphaComboCount']/sum_per_code# let's print the output:print(tmp.sort_values('FirstCode'))输出：                  Alpha  AlphaComboCount       FirstCode   Percent0                 12-99             8039           (12,)  0.91874311         12-581,12-99              711           (12,)  0.0812572          12-99,138-99             1776       (12, 138)  0.5284143          12-45,138-45             1585       (12, 138)  0.4715866                121-99             1102          (121,)  1.00000014  123-49,121-29,22-79              626  (121, 123, 22)  0.99365115  121-99,123-99,22-99                4  (121, 123, 22)  0.0063498          121-99,22-99              909       (121, 22)  1.0000005                123-99             1145          (123,)  1.00000013             2089-281              685         (2089,)  1.0000004                 21-99             1225           (21,)  0.5326097                21-581             1000           (21,)  0.43478310               21-141               75           (21,)  0.0326091                 22-99             1792           (22,)  1.0000009                 32-99              814           (32,)  1.00000012               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_10                 12-99             8039      121                 22-99             1792      222          12-99,138-99             1776      123          12-45,138-45             1585      124                 21-99             1225      215                123-99             1145     1236                121-99             1102     1217                21-581             1000      218          121-99,22-99              909     1219                 32-99              814      3210               21-141               75      2111         12-581,12-99              711      1212               347-99              685     34713             2089-281              685    208914  123-49,121-29,22-79              626     12115  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_pct0                 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。