Python 熊猫-组大小的计数百分比

比如，我有这样的数据：

col1   col2 other columns..
0      0    ...
0      0    ...
0      0    ...
0      0    ...
0      0    ...
0      0    ...
0      0    ...
0      0    ...
0      0    ...
0      0    ...
0      1    ...
0      1    ...
0      1    ...
0      1    ...
0      1    ...
0      1    ...
1      0    ...
1      0    ...
etc...

数据已按2列分组（已按分组结果）：

因此，现在我需要计算出每个子组的哪个百分比，该计数分别由2列组成整个组：

我需要再添加一列，或转换为系列（更好），以分别获得col2的百分比组（col1），如下所示：

或者它可以是每个组的单独系列：

[0.66 0.1]

和

[0.33 0.9]

。 如何实施

让我来描述一下这些数据的含义。例如，它可以是科目（0,1,2）、结果（0或1）以及每个科目每个结果的学生人数。 因此，整个想法是要计算出0、1等科目的不及格/通过率

---

还有一件事-有时只有一个结果（0或1）像所有学生都通过的科目一样，我仍然需要能够判断出该科目0的百分比为0,0，1的百分比为1。

您可以尝试以下方法：

df = pd.DataFrame({'A':[0,1,0,1,0],'B':[10,5,2,16,10]}, index=[0,1,0,1,0])
df2 = df.ix[0] / df.ix[0].sum()
df3 = df.ix[1] / df.ix[1].sum()

希望这会有所帮助。

您需要通过以下第一级索引：

要存储

系列

请使用dict comprehension：

dfs = {i:g.reset_index(drop=True) for i, g in g1.groupby(level=1)}

print (dfs[0])
0    0.666667
1    0.111111
2    1.000000
dtype: float64

print (dfs[1])
0    0.333333
1    0.888889
dtype: float64

---

非常感谢您的回复。但我相信我描述的任务是错误的，让我补充更多细节并纠正错误。我道歉。请查看更新的问题。解决方案已更改，请检查。感谢您的努力。请看更新后的帖子。

df = pd.DataFrame({'A':[0,1,0,1,0],'B':[10,5,2,16,10]}, index=[0,1,0,1,0])
df2 = df.ix[0] / df.ix[0].sum()
df3 = df.ix[1] / df.ix[1].sum()

gr = df.groupby(['col1', 'col2']).size()
print (gr)
col1  col2
0     0       10
      1        5
1     0        2
      1       16
2     0       10
dtype: int64

print (gr.groupby(level=0).sum())
col1
0    15
1    18
2    10
dtype: int64

print (gr / gr.groupby(level=0).sum())
col1  col2
0     0       0.666667
      1       0.333333
1     0       0.111111
      1       0.888889
2     0       1.000000
dtype: float64

dfs = {i:g.reset_index(drop=True) for i, g in g1.groupby(level=1)}

print (dfs[0])
0    0.666667
1    0.111111
2    1.000000
dtype: float64

print (dfs[1])
0    0.333333
1    0.888889
dtype: float64