Python 如何删除重复行并获取列中3个最常用元素的百分比值？

我有以下数据帧

A  B
x  q
x  q
x  k
y  w
y  h
y  w
z  e
z  e
z  e
z  c

我如何实现这样的目标（以下数据帧的结构可能不正确）：

---

---

有人能帮我吗？我是python初学者。

这将接近您的需要，您可以像您这样进行调整：

df.value_counts(normalize=True).mul(100).reset_index()

---

我更喜欢交叉表

pd.crosstab(df['A'],df['B'],normalize='index')
Out[352]: 
B     c     e         h         k         q         w
A                                                    
x  0.00  0.00  0.000000  0.333333  0.666667  0.000000
y  0.00  0.00  0.333333  0.000000  0.000000  0.666667
z  0.25  0.75  0.000000  0.000000  0.000000  0.000000

---

我有一个错误：

***AttributeError:“DataFrame”对象没有属性“value\u counts”

完美！老板@卡桑格拉斯可以做得更紧凑一些way@kasangras我提供了一个不同的数据，但如果你把它应用到你的数据中，它也能很好地工作！非常感谢老板！

pd.crosstab(df['A'],df['B'],normalize='index')
Out[352]: 
B     c     e         h         k         q         w
A                                                    
x  0.00  0.00  0.000000  0.333333  0.666667  0.000000
y  0.00  0.00  0.333333  0.000000  0.000000  0.666667
z  0.25  0.75  0.000000  0.000000  0.000000  0.000000

data = pd.DataFrame({"A":["x","x","x","y","y","y"],"B":["q","q","k","w","h","w"]})

regrouped = data.groupby(["A","B"],as_index=False)["B"].size()
regrouped / regrouped.groupby("A").sum()

# output
A  B
x  k    0.333333
   q    0.666667
y  h    0.333333
   w    0.666667
dtype: float64