帮助使用Pandas Groupby创建计算列

Question

我有一只叫做relevant_URT_data的熊猫，它看起来像这样：

测试MRN号码ResCat

12 AP付款详情INC3778700 0

33 AP付款详情NaN INC3783080 0

72 AP付款详情URT INC3782671 0

150 AP质量保证支付状况URT INC3778770 0

178个公共关系公共部门调查NaN INC3776742 1

192个AP质量保证支付状态NaN INC3778547 0

315 AP质量保证支付状况URT INC3780548 0

328个PR会计W-2表URT INC3782016 0

355个AP通用提交付款发票INC3781884 0

美联社普通调查NaN INC3775944 0

我使用以下代码按测试对数据进行分组--请参见下面的图像。

test_breakdown = relevant_URT_data[["test","MRN","Number"]] \
        .groupby("test") \
        .agg({'MRN':'count', 'Number':'size'}) \
        .rename(columns={'MRN':'URT Use Count','Number':'Number'})

测试URT使用计数号

AP连接服务访问请求9 9

AP付款详情28 35

AP一般调查1 7

AP一般提交付款发票25 27

AP通用WebNow/发票副本0 4

AP MyExpense访问请求3 3

AP MyExpense授予授权访问0 1

美联社MyExpense调查2 8

AP质量保证支付状况56 71

主计长办公室-总医疗中心7 10

公共关系会计W-2表格6 9

PR HBS调查0 17

PR HBS时间表计算0 2

PR加工和生产直接存款2 2

PR加工和生产支付细节0 1

探视就业如何申请VOE 1 1 1

PR就业书面记录的核实2 4

我的目标是将2列添加到分组数据集中：

1)一个列，该列显示“URT使用计数”除以“Number”(我需要数字的百分比，即MRN) 2)一列显示ResCat == 0除以数字(我想要ResCat等于0的数字的百分比)

下面是我希望输出的最佳结果--下面显示了两个新列：

测试URT使用计数号码Percentage_Use Same_Day_Percentage

AP连接服务访问请求9 9 100% 55%

AP付款详情28 35 80% 77%

美联社一般调查1 7 14% 92%

AP通用发票25 27 92% 97%

AP一般WebNow/发票副本0 4 0% 19%

AP MyExpense接入请求3 3 100% 50%

AP MyExpense授予授权访问0 1 0% 50%

美联社MyExpense调查2 8 25% 77%

AP质量保证付款状况56 71 79% 88%

主计长办公室综合医疗中心7 10 70% 20%

公共关系会计W-2表格6 9 67% 20%

PR HBS调查0 17 0% 100%

PR HBS时间表计算0 2 0% 45%

PR加工和生产直接存款2 2 100% 99%

PR加工和生产支付细节0 1 0% 15%

审查就业情况-如何要求VOE 1 1 100% 12%

就业证明2 4 50% 22%

任何关于创建这些计算字段的说明都将是非常有用的。

Answer 1

IIUC需要：

df = pd.DataFrame({'A':list('abcdef'),
                   'MRN':[4,5,4,5,5,np.nan],
                   'Number':[7,8,9,4,2,3],
                   'ResCat':[0,1,0,0,1,1],
                   'test':list('aaabbb')})

print (df)
   A  MRN  Number  ResCat test
0  a  4.0       7       0    a
1  b  5.0       8       1    a
2  c  4.0       9       0    a
3  d  5.0       4       0    b
4  e  5.0       2       1    b
5  f  NaN       3       1    b

df1 = df.groupby("test") \
        .agg({'MRN':'count', 'Number':'size', 'ResCat':lambda x: (x == 0).sum()}) \
        .rename(columns={'MRN':'URT Use Count'}) \
        .reset_index()

print (df1)
  test  URT Use Count  Number  ResCat
0    a              3       3       2
1    b              2       3       1

df1[['a','b']] = df1[['ResCat','URT Use Count']].div(df1['Number'], axis=0)
print (df1)
  test  URT Use Count  Number  ResCat         a         b
0    a              3       3       2  0.666667  1.000000
1    b              2       3       1  0.333333  0.666667