Python 在Pandas中，如何计算给定另一列值的列值的相对概率？

我有两个数据框，

车辆

和

伤亡

，每个数据框都有一个公共列

事故索引

：

import pandas as pd

vehicles = pd.DataFrame({'Accident_Index': [1, 1, 2, 3, 3, 4, 4], 
                         'Vehicle_Type': ['car', 'car', 'motorcyle', 'car', 'car', 'car', 'car'],
                         'Sex_Driver': ['male', 'female', 'male', 'female', 'female', 'male', 'male']})

casualties = pd.DataFrame({'Accident_Index': [1, 1, 2, 3, 4],
                           'Casualty_Severity': ['fatal', 'serious', 'fatal', 'light', 'fatal']})

为便于可视化，以下是

车辆

：

   Accident_Index Sex_Driver Vehicle_Type
0               1       male          car
1               1     female          car
2               2       male    motorcyle
3               3     female          car
4               3     female          car
5               4       male          car
6               4       male          car

   Accident_Index Casualty_Severity
0               1             fatal
1               1           serious
2               2             fatal
3               3             light
4               4             fatal

这里是伤亡人数：

   Accident_Index Sex_Driver Vehicle_Type
0               1       male          car
1               1     female          car
2               2       male    motorcyle
3               3     female          car
4               3     female          car
5               4       male          car
6               4       male          car

   Accident_Index Casualty_Severity
0               1             fatal
1               1           serious
2               2             fatal
3               3             light
4               4             fatal

我想计算一下，与涉及女性司机的事故相比，涉及男性司机的事故导致死亡的可能性要高出多少倍

到目前为止，我提出了以下解决方案：

dfm = casualties.merge(vehicles, on='Accident_Index')
dfm_cars = dfm.loc[dfm.Vehicle_Type == 'car']

dfm_cars_fatal_male = dfm_cars.isin({'Casualty_Severity': ['fatal'], 'Sex_Driver': ['male']})
male_driver_involved_in_fatal_car_accident = (dfm_cars_fatal_male['Casualty_Severity'] & dfm_cars_fatal_male['Sex_Driver']).sum()

dfm_cars_fatal_female = dfm_cars.isin({'Casualty_Severity': ['fatal'], 'Sex_Driver': ['female']})
female_driver_involved_in_fatal_car_accident = (dfm_cars_fatal_female['Casualty_Severity'] & dfm_cars_fatal_female['Sex_Driver']).sum()

print(male_driver_involved_in_fatal_car_accident / female_driver_involved_in_fatal_car_accident)

在这种情况下，答案是

3

，因为有两起车祸死亡，一起涉及一名男性和一名女性驾驶员，另一起涉及两名男性驾驶员

---

然而，这段代码似乎并不特别简洁。我如何重构它？

IIUC，您可以使用

merge

+

query

+

groupby

：

g = casualties.merge(vehicles, on='Accident_Index')\
        .query("Vehicle_Type == 'car' and Casualty_Severity == 'fatal'")\
        .groupby('Sex_Driver').Sex_Driver.count()

g / g.sum()

Sex_Driver
female    0.25
male      0.75
Name: Sex_Driver, dtype: float64

---

为了简化此操作，您可以使用变量进行查询：

vehicle = 'car'
severity = 'fatal'

然后，您可以将

查询

步骤重写为：

query("Vehicle_Type == @vehicle and Casualty_Severity == @severity")

---

如果您想（比如）将代码放入函数中，并针对各种输入组合进行测试，那么重用代码就更容易了。

这一点并不含糊。两个相同的事故指数具有不同的伤亡严重程度？Bharath，这意味着在涉及两辆车的单一事故中有两名伤亡人员（例如，每辆车的驾驶员）。您如何在车辆数据中映射他们？第一个

1

是致命的，第二个

1

是严重的？像那样。因为在合并时会有重复的行。这对你合适吗？