根据分组创建 pandas 列

Posted 2023-02-16

【中文标题】根据分组创建 pandas 列

【英文标题】：Create a pandas column based on grouping

【发布时间】：2022-01-08 11:23:37

【问题描述】：

我有一个这样的数据框：

Group Col A Col B
  1    A1    B1
  1    A2    B2
  2    A3    B3
  2    A4    B4

我想创建一个关于组的新列 Per A 和 Per B，所以结果应该是

Group Col A Col B     Per A           Per B
  1    A1    B1   100*A1/(A1+A2)  100*B1/(B1+B2)
  1    A2    B2   100*A2/(A1+A2)  100*B2/(B1+B2)
  2    A3    B3   100*A3/(A3+A4)  100*B3/(B3+B4)
  2    A4    B4   100*A4/(A3+A4)  100*B4/(B3+B4)

我需要一个一般情况，有几个组，每个组都有不同的组大小。

我尝试使用 for 循环，虽然我能够找到列，但我无法将它们分配给数据框。我不明白究竟是什么阻止了它。

例如，这是我要寻找的结果（注意我如何更改反映“不同组大小”的组列）

Group Col A Col B Per A Per B
  1     1     2   100.0 100.0
  2     1     2   16.67 25.00
  2     2     2   33.33 25.00
  2     3     4   50.00 50.00

【问题讨论】：

请提供实际数据，以及预期的输出数据框

【参考方案1】：

试试groupby transform 和update

df.update(df.div(df.groupby('Group').transform('sum'))*100)
df
Out[478]: 
   Group       ColA       ColB
0      1  33.333333  31.250000
1      1  66.666667  68.750000
2      2  42.857143  42.857143
3      2  57.142857  57.142857
4      3  27.777778  27.777778
5      3  33.333333  33.333333
6      3  38.888889  38.888889

【讨论】：

所有答案似乎都是先产生百分比，然后再添加列。我想没有办法更新当前的数据框。

【参考方案2】：

Groupby 组然后求和。这为您提供了每组的总和。

将组设置为索引，然后除以上面的结果。 index 可以只划分相似的索引词。代码如下

df.set_index('group').div(df.groupby('group').sum())*100

【参考方案3】：

  df = pd.DataFrame(
        'Group': [1,1,2,2,3,3,3],
        'ColA': [1,2,3,4,5,6,7],
        'ColB': [10,22,30,40,50,60,70],
    )
 
df = df.merge(df.groupby(['Group'])['ColA', 'ColB'].sum().reset_index(), 
              left_on='Group', right_on='Group')
df['PerA'] = df['ColA_x']*100/df['ColA_y']
df['PerB'] = df['ColB_x']*100/df['ColB_y']

df = df.rename(
    columns='ColA_x': 'ColA', 'ColB_x': 'ColB').drop(
        columns=['ColA_y', 'ColB_y'])

print (df)

输出：

   Group  ColA  ColB       PerA       PerB
0      1     1    10  33.333333  31.250000
1      1     2    22  66.666667  68.750000
2      2     3    30  42.857143  42.857143
3      2     4    40  57.142857  57.142857
4      3     5    50  27.777778  27.777778
5      3     6    60  33.333333  33.333333
6      3     7    70  38.888889  38.888889

【讨论】：

似乎需要先找到百分比，然后更新我的数据框。我可以使用分组和除法找到百分比，但尝试更新数据框失败。此外，我的数据框有几个组和几个列 A、B、....，这使得这个解决方案令人不快。然而，这与我最初尝试做的类似。