使用groupby计算总百分比

Question

我很难找到一种简单的方法从整个市场中获得产品的市场份额。例如，我的dataframe如下所示：

例如，我有如下所示的数据格式。假设积A，B和C分别属于1，D，E，F分别属于2，3，4。我想要找到的是，对于每一个独特的季度(即1/6/2020是2020年的第2季度)，A、B和C在整个市场中的市场份额是多少。例如，如果我们想在2020年第二季度获得A、B和C(美国市场)的市场份额，那么我们需要将100+200+300除以100+200+300+400+500+600，即600/2100 = 28.57%

我不知道什么是正确的方法来接近它，到目前为止，我必须将整个数据帧转换成一个2d列表，并尝试使用for循环。我希望有一个更整洁和更清洁的方法来解决这个问题。

  Product   Date       Value   
0   A        1/6/2020   100
1   B        1/6/2020   200
2   C        1/6/2020   300
3   D        1/6/2020   400
4   E        1/6/2020   500
5   F        1/6/2020   600
6   A        1/9/2020   600
7   B        1/9/2020   500
8   C        1/9/2020   400
9   D        1/9/2020   300
10  E        1/9/2020   200
11  F        1/9/2020   100

Answer 1

你在正确的轨道上考虑groupby！

你的数据需要有你提到的尺寸--市场和季度。此外，您可能希望您的日期列是一个datetime64。

下面是一个代码块，它构造了一个与当前类似的数据块：

import pandas as pd

df = pd.DataFrame()
df["Product"] = ["A", "B", "C", "D", "E", "F"] * 2
df["Date"] = ["1/6/2020"] * 6 + ["1/9/2020"] * 6
df["Date"] = df["Date"].astype("datetime64[ns]")
df["Value"] = [100, 200, 300, 400, 500, 600] * 2

您可能想要添加一个" market“列，可能需要定义一个从产品到市场的映射，然后将它添加到您的dataframe中。类似地，您可以计算每个条目的季度(尽管在您的示例中，您似乎想将date对象视为季度)。

products_to_markets = {
    "A": "USA", "B": "USA", "C": "USA",
    "D": "Canada", "E": "Canada", "F": "Canada"
}
df["Market"] = df["Product"].map(products_to_markets)
df["Quarter"] = df["Date"].dt.to_period("Q")

现在，您可以开始执行您感兴趣的其他一些计算。例如，您可以看到每个季度每个市场的总价值：

df.groupby(["Quarter", "Market"]).sum()

我想你要找的是这样的东西：

value_per_quarter = df.groupby("Quarter").sum()
df.groupby(["Quarter", "Market"]).sum() / value_per_quarter

产生的结果：

                   Value
Quarter Market
2020Q1  Canada  0.714286
        USA     0.285714

Answer 2

首先，您必须创建一个dataframe，将您的产品映射到您的市场。

然后使用pd.crosstab()获得一个漂亮的支点表，其中包含参数normalize=index，给出了每行百分比。

import pandas as pd
from io import StringIO

text = """
  Product   Date       Value   
0   A        1/6/2020   100
1   B        1/6/2020   200
2   C        1/6/2020   300
3   D        1/6/2020   400
4   E        1/6/2020   500
5   F        1/6/2020   600
6   A        1/9/2020   600
7   B        1/9/2020   500
8   C        1/9/2020   400
9   D        1/9/2020   300
10  E        1/9/2020   200
11  F        1/9/2020   100
"""

# create sample dataframe
df = pd.read_csv(StringIO(text), header=0, sep='\s+')

# create translation of products to markets
market_df = pd.DataFrame([
    ['A', 1], ['B', 1], ['C', 1], 
    ['D', 2], ['E', 3], ['F', 4]], 
    columns=['Product', 'Market'],
)

# merge to get products mapped to markets
merged_df = pd.merge(
    df, 
    market_df, 
    how='left', 
    on='Product',
)

# crosstab calculates totals per market and date
# normalize='index' calculates percentages over rows
pd.crosstab(
    merged_df['Date'],
    merged_df['Market'], 
    merged_df['Value'], 
    aggfunc='sum', 
    normalize='index',
)

由此产生的数据文件：

            Market  
Date        1           2           3           4           
1/6/2020    0.285714    0.190476    0.238095    0.285714
1/9/2020    0.714286    0.142857    0.095238    0.047619