在Python中使用pandas groupby和numpy where

我是python的新手

我需要在np.where（）下使用pd.groupby（）函数

以下是我的数据集的屏幕截图：

以下是我的代码：

df = pd.read_csv("/Users/gautam/Desktop/data.csv")
df.head()

grouped = df.groupby('Occupation')['Emp_Code'].count() #Calculating Count of Employees by Occupation

np.where(df['Gender']=='M', df.groupby('Occupation')['Emp_Code'].count()/grouped*100,0)

基本上我需要计算每个职业的男性比例

非常感谢您的帮助。

使用布尔掩码的平均值，因此获得与原始大小相同的

系列

，以便可以传递到

np。其中

用于新列：

df = pd.DataFrame({
        'Occupation':list('dddeee'),
         'Emp_Code':list('aabbcc'),
         'Gender':list('MFMFMF')
})
print (df)
  Occupation Emp_Code Gender
0          d        a      M
1          d        a      F
2          d        b      M
3          e        b      F
4          e        c      M
5          e        c      F

m = df['Gender'].eq('M')
df['new'] = np.where(m, m.groupby(df['Occupation']).transform('mean').mul(100), 0)
print (df)
  Occupation Emp_Code Gender        new
0          d        a      M  66.666667
1          d        a      F   0.000000
2          d        b      M  66.666667
3          e        b      F   0.000000
4          e        c      M  33.333333
5          e        c      F   0.000000

如果希望新的数据帧由normlize值填充，一种可能的解决方案是使用and

normalize

参数：

df2 = pd.crosstab(df['Occupation'], df['Gender'],normalize='index')
print (df2)
Gender             F         M
Occupation                    
d           0.333333  0.666667
e           0.666667  0.333333

---

将数据添加为文本，而不是图片。

df['Gender'].eq（'M'）.gropuby（df['occulation']）.mean（）

df.groupby（'occulation'）['Gender']）。值计数（normalize=True）

相关：到底是什么问题？您编写的代码需要在np.where（）下使用pd.groupby（）函数，但您的代码似乎已经在这样做了。