Python 熊猫-如何根据多个二进制列中的条件按比率分组？

我很好奇，是否有人能用纯熊猫来解决这个问题，而不是像我这样使用循环。当前解决方案按指数级扩展到我分组所依据的参数数量

因此，最初我有一个数据帧，看起来像这样：

        theday   device  event1  event2
0   2019-02-21  desktop       0       0
1   2019-02-22  desktop       1       1
2   2019-02-23  desktop       0       0
3   2019-02-24  desktop       1       1
4   2019-02-21    other       0       0
5   2019-02-22    other       1       1
6   2019-02-23    other       0       0
7   2019-02-24    other       1       1
8   2019-02-21  desktop       0       1
9   2019-02-22  desktop       1       0
10  2019-02-23    other       0       1
11  2019-02-24    other       1       0
12  2019-02-21  desktop       0       1
13  2019-02-22  desktop       1       0
14  2019-02-23    other       0       1
15  2019-02-24    other       1       0

您可以使用以下代码生成数据帧：

import pandas as pd 
import numpy as np 
d = {'theday': ['2019-02-21','2019-02-22', '2019-02-23', '2019-02-24','2019-02-21','2019-02-22', '2019-02-23', '2019-02-24', '2019-02-21','2019-02-22', '2019-02-23', '2019-02-24', '2019-02-21','2019-02-22', '2019-02-23', '2019-02-24'], 'device': ['desktop', 'desktop','desktop','desktop', 'other','other','other','other', 'desktop','desktop', 'other','other', 'desktop','desktop', 'other','other' ], 'event1': [0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1], 'event2': [0,1,0,1,0,1,0,1,1,0,1,0,1,0,1,0]} 
df = pd.DataFrame(data=d)

每行代表一个用户。所以，我想计算每一天和每一台设备，看到事件1和事件2的用户的比率，除以只看到事件1的用户数量。把它放在一个等式中：

转换=number\u users\u seen1\u和\u seen2/number\u users\u seen1

查看事件1和事件2意味着用户在

event1

列中有一个“1”，在

event2

列中有一个“1”。看到事件1意味着用户在

event1

列中有一个“1”

我的解决方案功能如下：

def-get_比率（df、e1、e2）：
临时列表=[]
对于df['device'].unique（）中的设备：#遍历设备
对于df['theday'].unique（）中的日期：#迭代天数
当前_df=df[（df['theday']==theday）&（df['device']==device）]
如果len（当前_-df[当前_-df[e1]==1]）==0：
换算率=0
其他：
转换=len（当前_-df[（当前_-df[e1]==1）和（当前_-df[e2]==1）]）/len（当前_-df[当前_-df[e1]==1]）
temp_dict={“theday”：theday，“device”：device，“conversion”：conversion}
临时列表追加（临时目录）
返回pd.数据帧（临时列表）

如果我做了

get_比率（df，“event1”，“event2”）

我得到：

   conversion   device      theday
0    0.000000  desktop  2019-02-21
1    0.333333  desktop  2019-02-22
2    0.000000  desktop  2019-02-23
3    1.000000  desktop  2019-02-24
4    0.000000    other  2019-02-21
5    1.000000    other  2019-02-22
6    0.000000    other  2019-02-23
7    0.333333    other  2019-02-24

这种方法有几个问题：

（1） 该函数目前仅支持日期和设备，但如果我想包含更多参数，我需要修改代码

（2） 函数运行时对我分组所依据的参数数量（指数）的伸缩性非常差

（3） 我在熊猫之外执行部分逻辑

---

那么，我的问题是，我是否可以在没有for循环的情况下实现相同的转换，而只使用pandas特定的函数？

如何计算转换有点不清楚，但您可以在这个答案中更改它。我建议使用

apply

功能

步骤1： 创建数据帧

import pandas as pd
import numpy as np
d = {'date': ['2019-02-21','2019-02-22', '2019-02-23', '2019-02-24','2019-02-21','2019-02-22', '2019-02-23', '2019-02-24'], 'device': ['desktop', 'desktop','desktop','desktop', 'other','other','other','other' ],
     'event1': [0,1,0,1,0,1,0,1], 'event2': [0,1,0,1,0,1,0,1]}
df = pd.DataFrame(data=d)

步骤2： 按日期和设备分组

df2=df.groupby(['device','date']).sum()

步骤3： 计算换算

df2['outcome']=df2.apply(lambda x: 0 if ((df2['event1']==1).sum())==0
                         else (0 if x['event1']==0 else x['event2'] / x['event1']), axis=1)

---

尽管@Tox-answer在我发布的玩具示例中得到了解决，但在更大的数据集中却没有。问题在于，它在检查给定行是否包含这两个事件之前进行分组。以下工作：

import pandas as pd 
import numpy as np 

d = {'theday': ['2019-02-21','2019-02-22', '2019-02-23', '2019-02-24','2019-02-21','2019-02-22', '2019-02-23', '2019-02-24', '2019-02-21','2019-02-22', '2019-02-23', '2019-02-24', '2019-02-21','2019-02-22', '2019-02-23', '2019-02-24'], 'device': ['desktop', 'desktop','desktop','desktop', 'other','other','other','other', 'desktop','desktop', 'other','other', 'desktop','desktop', 'other','other' ], 'event1': [0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1], 'event2': [0,1,0,1,0,1,0,1,1,0,1,0,1,0,1,0]} 
df = pd.DataFrame(data=d)

df['both'] = ((df["event1"] == 1) & (df["event2"] == 1)).astype('int')
df_grouped = df.groupby(['theday', 'device']).sum().reset_index()
df_grouped['conversion'] = (df_grouped['both'] / df_grouped["event1"])

---

什么是事件1或事件2？我没有跟随。。。另外，请将原始数据帧编辑为更小的子集，以便我们可以轻松地将其粘贴到IDE中，谢谢，但按照您的计算，转换不可能小于1，然后转换=（user1+user2）/user1或（1+user2/user1）@Frenchy，我不明白您在说什么。但要明确的是，我并没有在这里显示完整的数据框，这些只是为了说明一般问题。@aws_学徒我进一步澄清了，希望能有所帮助。好的……我在谈论你在显示数据框中的结果，按照你的解释，不可能有转换<1感谢@Tox的答案，我觉得这已经接近我想要实现的目标了，但还不完全。如果我运行上面定义的函数来获得转换，我会得到不同的结果。澄清：转换等于事件1中有“1”且事件2中有“1”的用户数除以事件1中只有“1”的用户数。请参见以下行：

conversion=len（current_-df[（current_-df[e1]==1）和（current_-df[e2]==1）]/len（current_-df[current_-df[e1]==1]）

另外，为了避免被0除，我指定如果事件1中有“1”的用户数为0，则conversion为0。sum（）而不是

df2['output'=df2.apply（λx:（（x['event1']+x['event2']）/（usersEvent1））如果x['event1']==1和x['event2']==1，否则为0，轴=1）

可以解决这个问题吗？再次感谢@Tox。它还没有解决，你的解决方案似乎是针对孤立的行。我喜欢你的虚拟示例，并用它的扩展版本更新了我的问题。你可以运行代码，看看结果是否不同。看看它现在是否更有意义。酷！似乎可以了！谢谢！