新人來了...我有一個名為“yes_no”的數據框，其結構如下（但它有大約 50K 條目）： Date Yes/No0 2020-10-27 No1 2020-10-27 No2 2020-10-26 Yes3 2020-10-26 Yes4 2020-10-26 No5 2020-10-25 No6 2020-10-25 Yes7 2020-10-25 No8 2020-10-24 Yes9 2020-10-24 Yes我需要計算每個日期的“是”數量和“否”數量，并計算比率，最終得到如下結果： Date Yes No Percentage0 2020-10-27 1142 120 0.9049131 2020-10-26 4112 388 0.9137782 2020-10-25 1055 68 0.9394483 2020-10-24 1012 86 0.9216764 2020-10-23 1476 163 0.9005495 2020-10-22 1633 182 0.8997256 2020-10-21 1773 237 0.8820907 2020-10-20 2332 246 0.9045778 2020-10-19 2868 326 0.8979349 2020-10-18 892 107 0.89289310 2020-10-17 992 110 0.90018111 2020-10-16 2106 207 0.91050612 2020-10-15 5628 632 0.89904213 2020-10-14 9304 937 0.90850514 2020-10-13 8129 881 0.902220我通過查閱字典，使用以下代碼使其工作，但它非常長：by_date = {}for date in yes_no['Date']: by_date[date] = yes_no.loc[yes_no['Date'] == date]for date in by_date: by_date[date] = by_date[date]['Yes/No'].value_counts()for date in by_date: if 'No' not in by_date[date]: by_date[date]['No'] = 0for date in by_date: if 'Yes' not in by_date[date]: by_date[date]['Yes'] = 0for date in by_date: by_date[date] = [by_date[date]['Yes'], by_date[date]['No'], (by_date[date]['Yes']/(by_date[date]['Yes'] + by_date[date]['No']))]df_yes = pd.DataFrame(list(by_date.values()),columns = ['Yes', 'No', 'Percentage'])df_yes['Date'] = list(by_date.keys())df_yes = df_yes[['Date', 'Yes', 'No', 'Percentage']]對于較小的數據幀（1-2K）它工作得很好，但是這段代碼需要永遠完成 50K 條目：for date in yes_no['Date']: by_date[date] = yes_no.loc[yes_no['Date'] == date]一定有更好的方法來做到這一點！
4 回答
千巷貓影
TA貢獻1829條經驗 獲得超7個贊
您可以使用矢量化操作更有效地完成此操作（無需顯式 python 循環）。這意味著我們所有的操作都由底層 C/C++ 函數執行，以實現巨大的加速。
out = (df.groupby("Date")["Yes/No"]
.value_counts()
.unstack(fill_value=0)
.rename_axis(columns=None)
.eval("percentage = Yes / (Yes + No)")
)
print(out)
No Yes percentage
Date
2020-10-24 0 2 1.000000
2020-10-25 2 1 0.333333
2020-10-26 1 2 0.666667
2020-10-27 2 0 0.000000
腳步：
df.groupby("Date")["Yes/No"]：按“日期”對數據框進行分組，然后從這些分組中選擇“是/否”列
.value_counts()：獲取此列中每個分組的每個“是”和“否”的計數。
.unstack(fill_value=0)：現在我們有了計數，我們將“是”和“否”放入各自的列中。
.rename_axis(columns=None)：我們有一個看起來很有趣的列索引名稱，我個人不喜歡這些，所以我要刪除它。
.eval("percentage = Yes / (Yes + No)")：創建一個名為百分比的新列，并將所有“是”計數除以總響應計數（“是”+“否”）的值分配給它
慕娘9325324
TA貢獻1783條經驗 獲得超4個贊
# groupby date and yes/no columns and get the size
# then pivot
new_df = df.groupby(['Date', 'Yes/No'], as_index=False).size().pivot('Date', 'Yes/No', 'size').replace(np.nan, 0)
# divide the yes column by the size of each group
new_df['percent_yes'] = new_df['Yes'] / new_df.sum(1)
print(new_df)
Yes/No No Yes percent_yes
Date
2020-10-24 0.0 2.0 1.000000
2020-10-25 2.0 1.0 0.333333
2020-10-26 1.0 2.0 0.666667
2020-10-27 2.0 0.0 0.000000
倚天杖
TA貢獻1828條經驗 獲得超3個贊
您應該研究一下 one-hot 編碼。熊貓用途pd.get_dummies
我的解決方案是：
df_new?=?pd.get_dummies(yes_no,?columns=["Yes/No"]).groupby("Date").sum().rename(columns={"Yes/No_No":"No",?"Yes/No_Yes":"Yes"}然后你就可以輕松計算百分比。
阿波羅的戰車
TA貢獻1862條經驗 獲得超6個贊
有一個非常簡單的方法可以做到這一點，也許還有一些更優雅的方法：
import pandas as pd
df = pd.DataFrame({'Yes_no': ['yes','no','yes', 'yes', 'no','yes','no','yes', 'yes', 'no','yes','no','yes', 'yes', 'no','yes','no','yes', 'yes', 'no'],
'Dates': ['2019-07-01','2019-07-01','2019-07-01', '2019-07-03', '2019-07-03','2019-07-03','2019-07-07','2019-07-07', '2019-07-07', '2019-07-07','2019-07-07','2019-07-07','2019-07-07', '2019-07-07', '2019-07-07','2019-07-07','2019-07-07','2019-07-07', '2019-07-07', '2019-07-07']})
dff = df.groupby(['Yes_no','Dates'])['Yes_no'].count()
dff.unstack().T
要創建具有比例的額外列，只需定義一個新列
dff['prop']=dff['no']/dff['yes']
添加回答
舉報
0/150
提交
取消