在groupby之后执行唯一的行操作。

Question

我一直被困在一个问题中，我已经完成了所有的groupby操作，并得到了结果数据，如下所示，但是这个问题出现在最后一次计算一个额外列的操作中。

当前数据：

code        industry               category     count     duration
2       Retail                      Mobile        4         7
3       Retail                      Tab           2         33
3       Health                      Mobile        5         103
2       Food                         TV           1         88

问题:想要一个额外的列operation来计算特定code栏条目的行业“零售”计数比率

例如:代码2有2个industry条目，零售和食品，因此operation列应该有值4/(4+1) = 0.8，对于代码3也应该具有类似的值，如下所示

O/P：

code        industry               category     count     duration  operation
2       Retail                      Mobile        4         7         0.8
3       Retail                      Tab           2         33        -
3       Health                      Mobile        5         103       2/7 = 0.285
2       Food                         TV           1         88        -

在这里也有帮助，如果我只做群，我将错过category和duration的信息，还有什么更好的方式来表示output df，可以有多个行业，而运营仅限于retail

Answer 1

我想不出一次手术。但是通过字典的方式应该是可行的。哦，预先为其他回答者编写代码来创建示例dataframe。

st_l = [[2,'Retail','Mobile', 4, 7],
       [3,'Retail', 'Tab', 2, 33],
       [3,'Health', 'Mobile', 5, 103],
       [2,'Food', 'TV', 1, 88]]
df = pd.DataFrame(st_l, columns= 
     ['code','industry','category','count','duration'])

现在我的尝试是：

sums = df[['code', 'count']].groupby('code').sum().to_dict()['count']
df['operation'] = df.apply(lambda x: x['count']/sums[x['code']], axis=1)

Answer 2

您可以使用groupby.transform()创建一个包含每个代码总数的新列，然后使用loc查找作为其行业‘零售’的行并执行您的部门：

df['total_per_code'] = df.groupby(['code'])['count'].transform('sum')
df.loc[df.industry.eq('Retail'), 'operation'] = df['count'].div(df.total_per_code)

df.drop('total_per_code',axis=1,inplace=True)

印回来：

  code industry category  count  duration  operation
0     2   Retail   Mobile      4         7   0.800000
1     3   Retail      Tab      2        33   0.285714
2     3   Health   Mobile      5       103        NaN
3     2     Food       TV      1        88        NaN