Python 在数据框（df）中添加一个新列，该列存储每个个体的（总存在）/（总存在+总不存在）值

这是一个名为df的数据帧。我如何向其中添加新列来存储每个单独数据的total present/total present+total缺席

考虑数据帧df

您可以将pd.value\u计数与normalize=True一起使用

---

一个虚拟数据帧，为了简单起见，我创建了A、b、c、d作为列名

import pandas as pd
df = pd.DataFrame({'a': ['jon','sam','dean','bob'],
               'b': ['present','present','absent','present'],
               'c':['absent','present','present','absent'],
               'd':['absent','absent','present','present']})

df['b1'] = df['b'].map({'present': 1, 'absent': 0})
df['c1'] = df['c'].map({'present': 1, 'absent': 0})
df['d1'] = df['d'].map({'present': 1, 'absent': 0})

df['sum_1'] = (df[['b1','c1','d1']] == 1).sum(axis=1)
df['sum_0'] = (df[['b1','c1','d1']] == 0).sum(axis=1)

df['present'] =((df['sum_1']* 1.0)/(df['sum_1']+df['sum_0']))

df[['a','b','c','d','present']]

或者您可以简单地使用@piRSquared建议的解决方案

import pandas as pd
df = pd.DataFrame({'a': ['jon','sam','dean','bob'],
           'b': ['present','present','absent','present'],
           'c':['absent','present','present','absent'],
           'd':['absent','absent','present','present']})
df.assign(present=df.stack().map(dict(present=1, absent=0)).unstack().mean(1))

---

! 哇，你一句话就解决了！我必须为此写至少10个步骤！请检查我的答案，如果任何冗余可以消除。嗯，我检查两个解决方案的相同数据和不同的输出。看起来其中一个解决方案不好，你能检查一下吗？df.assignPresent=df.stack.mapdictPresent=1，缺席=0.unstack.mean1对这个数据产生相同的结果。使用你的df和方法df.assignPresent=df.stack.mapdictPresent=1，缺席=0.unstack.mean1Hmmm，我用相同的数据和不同的输出检查两个解决方案。看起来其中一个解决方案不好，你能检查一下吗？@jezrael好的，先生，但你可以在我的输出中清楚地看到，对于第一排，有2个不存在，1个存在，因此它将是1/1+2=0.33，同样对于第二排sam，有2个存在，1个不存在。所以从数学上来说，结果应该是2/2+1=0.666，我得到了相同的结果。超级，我认为你的解是正确的，也许更好的方法是使用-别担心，把它加到答案中。@jezrael是的，先生：

import pandas as pd
df = pd.DataFrame({'a': ['jon','sam','dean','bob'],
               'b': ['present','present','absent','present'],
               'c':['absent','present','present','absent'],
               'd':['absent','absent','present','present']})

df['b1'] = df['b'].map({'present': 1, 'absent': 0})
df['c1'] = df['c'].map({'present': 1, 'absent': 0})
df['d1'] = df['d'].map({'present': 1, 'absent': 0})

df['sum_1'] = (df[['b1','c1','d1']] == 1).sum(axis=1)
df['sum_0'] = (df[['b1','c1','d1']] == 0).sum(axis=1)

df['present'] =((df['sum_1']* 1.0)/(df['sum_1']+df['sum_0']))

df[['a','b','c','d','present']]

import pandas as pd
df = pd.DataFrame({'a': ['jon','sam','dean','bob'],
           'b': ['present','present','absent','present'],
           'c':['absent','present','present','absent'],
           'd':['absent','absent','present','present']})
df.assign(present=df.stack().map(dict(present=1, absent=0)).unstack().mean(1))