Python 按输出打印部件

根据前面的问题，我有一个数据帧（mydf），格式如下：

Index   Feature ID  Stuff1  Stuff2
1       True    1   23      12
2       True    1   54      12
3       False   0   45      67
4       True    0   38      29
5       False   1   32      24
6       False   1   59      39
7       True    0   37      32
8       False   0   76      65
9       False   1   32      12
10      True    0   23      15
..n     True    1   21      99

借助我上一个问题的答案，我可以使用此方法根据每个“ID”（0或1）的“功能”的正确和错误百分比计算groupby的百分比

percentages = pd.DataFrame({'Percentage': mydf.groupby(('ID', 'Feature')).size() / (len(df)*100)})

这将打印为：

            Percentage
ID Feature            
0  False           20
   True            30
1  False           30
   True            20

            Percentage
ID Feature            
0  False           20
   True            30

我还可以按“ID”分隔上面的相同方法，因此对于ID 0，我将使用以下方法：

percentages = pd.DataFrame({'Percentage': mydf[(mydf['ID'] == 0)].groupby(('ID','Feature')).size() / (len(df))*100})

这将打印为：

            Percentage
ID Feature            
0  False           20
   True            30
1  False           30
   True            20

            Percentage
ID Feature            
0  False           20
   True            30

我的问题是如何进一步，只打印ID=0和Feature='False'的单个输出，这样我就可以在生成的Excel中的每个条件下打印到不同的工作表上（当我增加行号时，处理多个日志会更容易）

比如：

            Percentage
ID Feature            
0  False           20

然后分别为Feature='True'：

            Percentage
ID Feature            
0  True           30

我尝试使用此方法，但得到了错误-TypeError:invalid type comparison

percentages = pd.DataFrame({'Percentage': mydf[(mydf['ID'] == 0)&(mydf['Feature'] == 'False')].groupby(('ID','Feature')).size() / (len(df)*100)})

---

您只需使用

百分比

结果df并将其索引到多索引df中即可：

In [81]:
percentages = pd.DataFrame({'Percentage': df.groupby(('ID', 'Feature')).size() / (len(df)*100)})
percentages

Out[81]:
            Percentage
ID Feature            
0  False         0.002
   True          0.003
1  False         0.003
   True          0.002

In [83]:    
print(percentages.loc[(0,False)])
print(percentages.loc[(0,True)])
Percentage    0.002
Name: (0, False), dtype: float64
Percentage    0.003
Name: (0, True), dtype: float64

这里的语法使用元组索引到每个级别，这里

（0，False）

索引ID

0

，然后下一个值是级别1

False

，依此类推

还有进一步的解释和示例代码

您可以使用

get\u level\u values

获取索引值：

In [86]:
print(percentages.index.get_level_values(0))
print(percentages.index.get_level_values(1))

Int64Index([0, 0, 1, 1], dtype='int64', name='ID')
Index([False, True, False, True], dtype='object', name='Feature')

您只需在上面调用

unique

，即可获得唯一值，并对其进行迭代：

In [87]:
for level_0 in percentages.index.get_level_values(0).unique():
    for level_1 in percentages.index.get_level_values(1).unique():
        print(percentages.loc[level_0, level_1])

Percentage    0.002
Name: (0, False), dtype: float64
Percentage    0.003
Name: (0, True), dtype: float64
Percentage    0.003
Name: (1, False), dtype: float64
Percentage    0.002
Name: (1, True), dtype: float64

---

以上假设所有ID都存在

True

/

False

，否则您将引发

keyrerror

我不确定代码是否会产生您所说的答案。你的

/（len（df）*100）

看起来它把100放在了错误的地方（你用额外的因子100除以，而不是用分数乘以100得到一个百分比）。你是正确的DSM-我把右括号放在了错误的地方，我编辑了上面的代码，应该是（len（df））*100谢谢EdChum，你又把我从几个小时的混乱中救了出来！你的解决方案完全符合我的期望。