Python 选择dataframe列中的值，对应于其他列中的值

因此，我是python新手，我正在使用pandas（除了pandas之外，我不能使用其他软件包）处理一个数据帧，并且我已经为6种不同的汽车的汽车信息获取了用户输入（品牌、型号、类型、等级）：

     make    model   type rating
0    ford  mustang  coupe      A
1   chevy   camaro  coupe      B
2    ford   fiesta  sedan      C
3    ford    focus  sedan      A
4    ford   taurus  sedan      B
5  toyota    camry  sedan      B

我想要这个数据的条件概率，我使用了一个值_counts数据框

print df.groupby('rating')['type'].value_counts()
print df.groupby('rating')['type'].count()
conditional = (df.groupby('rating')['type'].value_counts() / df.groupby('rating')['type'].count()).reset_index(name="Cond")
print conditional

这导致了我所寻找的条件概率：

  rating   type  cond
0      A  coupe         0.500000
1      A  sedan         0.500000
2      B  sedan         0.666667
3      B  coupe         0.333333
4      C  sedan         1.000000

现在我需要打印个人概率。我如何根据“制造”和“模型”列中的条件来选择个体概率

---

例如，在条件概率数据帧上，条件概率p（type=sedan | rating=B）=0.666667。我想选择并打印这个单独的概率，但是我不想基于索引（如“cond”列上的索引2）打印，而是通过使用

交叉表
和
规范化
IIUC为评级=B和类型=sedan时的“cond”中的值进行选择

pd.crosstab(df.rating,df.type,normalize='index').stack().reset_index()
Out[36]: 
  rating   type         0
0      A  coupe  0.500000
1      A  sedan  0.500000
2      B  coupe  0.333333
3      B  sedan  0.666667
4      C  coupe  0.000000
5      C  sedan  1.000000