Python 2.7 聚合Python中的组，并从某个计数中吐出百分比

我试图通过在新列上创建一个百分比和总和，来找出如何在Pandas数据框中聚合组

例如，在下面的数据框中，我有A、B、C和D列。我希望按A中的组进行聚合，C应为的百分比（“1”的频率除以非缺失值的频率），D应为非缺失值的总和

例如，对于“foo”组，结果数据帧应为

A    B    C        D
foo       1.333    4

我能够在这里和那里完成一些单独的片段，但不确定如何在一个连贯的脚本中编译：

import pandas
from pandas import DataFrame
import numpy as np


df = DataFrame({'A' : ['foo', 'foo', 'foo', 'foo',
                        'bar', 'bar', 'bar', 'bar'],
                 'B' : ['one', 'one', 'two', 'three',
                        'two', 'two', 'one', 'three'],
                 'C' : [1, np.NaN, 1, 2, np.NaN, 1, 1, 2], 'D' : [2, '', 1, 1, '', 2, 2, 1]})

print df

#df.C.fillna(999, inplace=True)
df.D.replace('', np.NaN, inplace=True)

print df

grouped = df.groupby('A')

#print grouped.last()
#print grouped.sum()
#print grouped.mean()
#print grouped.count()

grouped_aggre = grouped.aggregate(np.sum)

print grouped_aggre
print df.D.mean()
print df.C.mean()

print '//////////////////'
print df.C.count()
print df.C.value_counts(dropna=True)

此外，如何使用前面提到的C和D列摘要统计信息按A和B列进行聚合

原始数据帧：

     A      B   C   D
0  foo    one   1   2
1  foo    one NaN NaN
2  foo    two   1   1
3  foo  three   2   1
4  bar    two NaN NaN
5  bar    two   1   2
6  bar    one   1   2
7  bar  three   2   1

预期结果：

A    B    C        D
foo       1.333    4
bar       1.333    5

您可以使用执行求和和和计数：

result = df.groupby(['A']).agg({'C': lambda x: x.sum()/x.count(), 'D':'sum'})

---

屈服

            C  D
A               
bar  1.333333  5
foo  1.333333  4

---

你能显式地显示你对给定输入的预期输出吗？哇，所有内容都在一行中，这太神奇了！是否有任何参考文件或章节我可以阅读了解更多？谢谢。目前在C中，它取平均值，有没有办法取“1”的百分比？例如，对于新的聚合列C，我应该为'foo'得到2/3，为'bar'得到2/3。因为每个组中有三个非缺失值中的两个“1”。找到它：result=df.groupby（['A']）.agg（{'C'：lambda x:（（x==1.sum（））/float（x.count（））}）很棒；很高兴你明白了！

            C  D
A               
bar  1.333333  5
foo  1.333333  4