Python 如何获得熊猫群比中的行业损失率

我想使用pandas groupby（）总结一个在行业级别上具有丢失率的数据帧

我的数据表如下所示： 类型包含不同的行业，好的坏的=0表示不良贷款，好的坏的=1表示良好贷款

type    | good_bad
food    |    0
food    |    0
food    |    1
Retail  |    1
Retail  |    1
Retail  |    1
Retail  |    0

我想创建一个新列损失率，它根据每个行业的坏账发生率计算损失率，并除以行业总数：

type    | good_bad  | lost_rate   | (calculation on how it works)
food    |    0      |     0.667   | (2/3)
food    |    0      |     0.667   | (2/3)
food    |    1      |     0.667   | (2/3)
Retail  |    1      |     0.25    | (1/4)
Retail  |    1      |     0.25    | (1/4)
Retail  |    1      |     0.25    | (1/4)
Retail  |    0      |     0.25    | (1/4)

我可以分别得到分子和分母，但我不知道如何将它们组合在一起：

分子：

df.loc[df['good\u bad']==0，'type'].value\u counts（）.reset\u index（name='counts'）

分母：

df['type'].值计数（）.重置索引（）

我还尝试创建一个函数并应用于数据帧，但无法开始工作：

    def industry_lost_rate(df):
        count = df.loc[loan_data['good_bad']==0, 'type'].value_counts()
        industry_sum = df['type'].value_counts()
        rate = count / industry_sum
        return pd.DataFrame({"count":count, "rate": rate})

df2 = df.groupby('type')['good_bad'].apply(industry_lost_rate(df)).reset_index()

---

有人能告诉我如何获得丢失率吗？提前谢谢

您可以尝试groupby

键入

列，并使用

转换

计算各组中

好_坏

列的平均值

df['lost_rate']=1-df.groupby（'type'）['good_bad'].transform（'mean'）.round（3）

print(df)

     type  good_bad  lost_rate
0    food         0      0.667
1    food         0      0.667
2    food         1      0.667
3  Retail         1      0.250
4  Retail         1      0.250
5  Retail         1      0.250
6  Retail         0      0.250