Python Pandas groupby按特定标签获取总行数的百分比

在使用Pandas时，我想计算特定列中具有正值的行的百分比，以进行不同的细分

---

输入 一个示例可能说明了这一点，因此假设我有一个名为

table

的表，如下所示：

| ID | Name    | Sex | Number |
|----|---------|-----|--------|
| 1  | Jim     | M   | -1     |
| 2  | Carly   | F   | 1      |
| 3  | Joe     | M   | 0      |
| 4  | Barbara | F   | -1     |
| 5  | Susan   | F   | -2     |
| 6  | Phyllis | F   | 2      |
| 7  | John    | M   | 3      |

我想以最有效的方式计算每种性别（M或F）的

number

列大于0的行数

---

输出 我希望数据帧输出如下所示：

| Sex | Percent|
|-----|--------|
| M   | 0.33   |
| F   | 0.5    |

male_df = df.loc[df['Sex']=='M']]
female_df = df.loc[df['Sex']=='F']]
d = {'M': None, 'F': None}
for sex_df, label in [(male_df, 'M'), (female_df, 'F')]:
    d[label] = len(d.loc[d['Number'] > 0])/len(d)
new_df = pd.DataFrame.from_dict(d, columns=['Sex','Percent'])

这些百分比同样是

df['Sex']=

（

M

或

F

）和

df['number']>0

---

---

尝试 在这种情况下，似乎最容易将数据子集并单独计算，我已经尝试了以下方法：

| Sex | Percent|
|-----|--------|
| M   | 0.33   |
| F   | 0.5    |

male_df = df.loc[df['Sex']=='M']]
female_df = df.loc[df['Sex']=='F']]
d = {'M': None, 'F': None}
for sex_df, label in [(male_df, 'M'), (female_df, 'F')]:
    d[label] = len(d.loc[d['Number'] > 0])/len(d)
new_df = pd.DataFrame.from_dict(d, columns=['Sex','Percent'])

然而

---

我的real数据实际上是由多个列组成的子集，因此对每个子集执行单独的

.loc（）

调用是不实际的。我想有一种方法可以用pandas的

.groupby（）

方法实现这一点，但是我不知道从哪里开始。

最有效的方法是取组内布尔序列的平均值（

groupby.mean

将使用cython）。由于我们创建的系列共享数据帧的相同索引，因此可以通过以下方式进行分组：

df['Number'].gt(0).groupby(df['Sex']).mean()
#Sex
#F    0.500000
#M    0.333333
#Name: Number, dtype: float64

---

最有效的方法是取组内布尔序列的平均值（

GroupBy.mean

将使用cython）。由于我们创建的系列共享数据帧的相同索引，因此可以通过以下方式进行分组：

df['Number'].gt(0).groupby(df['Sex']).mean()
#Sex
#F    0.500000
#M    0.333333
#Name: Number, dtype: float64

---

为什么

F

是0.5？只有一个值>0@harvpan哎呀，我更新了表格，但在我的问题中忘了更新它。。。我现在将进行更新，只是为了了解您可能想做类似df.groupby（['Number'，'Sex']）@Taku_u的事情。我不想按数字分组，因为这会为每个不同的数字创建单独的组。在本例中，我只想要

Sex

的组。groupby的聚合将在我假设的数字列上执行。为什么

F

是0.5？只有一个值>0@harvpan哎呀，我更新了表格，但在我的问题中忘了更新它。。。我现在将进行更新，只是为了了解您可能想做类似df.groupby（['Number'，'Sex']）@Taku_u的事情。我不想按数字分组，因为这会为每个不同的数字创建单独的组。在本例中，我只想要

Sex

的组。groupby的聚合将在数字列上执行，我想如果我们在两个不同的字段上进行分组，例如“性别”和“年龄组”（想象这个字段存在），这将如何扩展？一种方法是将该列分配给DataFrame

df.assign（my_col=df.Number.gt（0））.groupby（['Sex'，Age Group']）.my_col mean（）

。但我认为这可能会不必要地复制数据帧的其余部分。因此，您可以执行上述操作，但可以提供一个系列的列表

df['Number'].gt（0）.groupby（[df['Sex']，df['Age Group']]）。mean（）

这非常有效。我从来没有想过仅仅从我的条件中创建一个布尔值。谢谢！：）如果我们在两个不同的字段上分组，例如“性别”和“年龄组”（想象这个字段存在），那么这将如何扩展？一种方法是将列分配给数据帧

df.assign（my_col=df.Number.gt（0））.groupby（['Sex'，Age Group']）.my_col mean（）

。但我认为这可能会不必要地复制数据帧的其余部分。因此，您可以执行上述操作，但可以提供一个系列的列表

df['Number'].gt（0）.groupby（[df['Sex']，df['Age Group']]）。mean（）

这非常有效。我从来没有想过仅仅从我的条件中创建一个布尔值。谢谢！：）