pandas groupby 并为各自的总数聚合两列，然后计算比率 - 总结摘要

Posted 2023-03-11

【中文标题】pandas groupby 并为各自的总数聚合两列，然后计算比率 - 总结摘要

【英文标题】：pandas groupby and aggregate two columns for respective totals, then calculate ratio - summarize the summary

【发布时间】：2018-10-18 23:17:11

【问题描述】：

我有以下数据

user_id   session_id    youtube_id 
1           1             2342 
1           1             3523
1           2             3325
2           1             3423
2           1             2352
2           1             3333 
2           2             2351
2           2             9876
2           3             2388

目标是按user_id 分组并计算每个用户total_sessions、total_views 和average views per session。

user_id, total_sessions, total_views, average_view_per_session
1,         2,            3,           1.5
2,         3,            6,           2    

 result_df['avg'] = df.groupby('user_id').agg(
     'session_id':lambda x : x.nunique(),
     'youtube_id': 'count').apply(lambda x : x['total_views']/x['total_sessions']

上面的两个问题：

生成的列仍命名为 session_id 和 youtube_id，尽管它们是聚合 如何进行division获取average_view_per_session？

上述方法给出了一个关键错误，这可能是由于将原始列名用于聚合列。

【问题讨论】：

重命名聚合Naming returned columns in Pandas aggregate function中的列

所以你想聚合得到各自的总数，然后得到它们的比率来得到平均值，即“总结”你的总结。我试图改写以使这一点更清楚。

【参考方案1】：

由于它们相互依赖，我们可以在应用 .agg() 后将其添加到单独的代码行中。

这个怎么样（完整示例）

import pandas as pd

data = '''\
user_id   session_id    youtube_id 
1           1             2342 
1           1             3523
1           2             3325
2           1             3423
2           1             2352
2           1             3333 
2           2             2351
2           2             9876
2           3             2388'''

df = pd.read_csv(pd.compat.StringIO(data), sep='\s+')

df = df.groupby('user_id').agg('session_id': 'nunique', 'youtube_id': 'count')
df.columns = ['total sessions','total views']

df['average view per session'] = df['total views']/df['total sessions']

print(df)

返回：

         total sessions  total views  average view per session
user_id                                                       
1                     2            3                       1.5
2                     3            6                       2.0

【讨论】：

缺少from io import StringIO

@smci 谢谢，但实际上没有必要。一直使用pd.compat.StringIO() 进行演示。它应该适用于 py2 和 py3。

你不是说“新列”而不是“行”吗？

@smci 我的意思是一个新行（如在新的代码行中）。这确实是牵强附会。已编辑，谢谢。

是时候整理一下哪个导入了：Should we use pandas.compat.StringIO or Python 2/3 StringIO?