Python 根据唯一条目的数量按组计算比例
我有一些在特定时间点使用服务的已识别用户id。 我试图计算每天特定服务类型的用户比例。在这个示例数据中，我只有一天的时间，但是如果有更多的时间，我希望允许代码以相同的方式工作Python 根据唯一条目的数量按组计算比例,python,python-3.x,pandas,Python,Python 3.x,Pandas,我有一些在特定时间点使用服务的已识别用户id。 我试图计算每天特定服务类型的用户比例。在这个示例数据中，我只有一天的时间，但是如果有更多的时间，我希望允许代码以相同的方式工作 day1 = datetime_idx type id 2016-03-01 05:04:00 C 1 2016-03-01 05:24:00 A 2 2016-03-01 05:29:00 C 3 2016-03-01 05:29:00
day1 =
datetime_idx type id
2016-03-01 05:04:00 C 1
2016-03-01 05:24:00 A 2
2016-03-01 05:29:00 C 3
2016-03-01 05:29:00 B 4
2016-03-01 05:35:00 D 1
day1_usage = day1.groupby('type').resample('D')['id'].nunique().reset_index()
type datetime_idx id
0 A 2016-03-01 1
1 B 2016-03-01 1
2 C 2016-03-01 2
3 D 2016-03-01 1
day1_usage['ratio'] = (day1_usage.groupby(['type','datetime_idx'])['id'].transform(sum) / day1_usage.groupby('datetime_idx')['id'].transform(sum))
type datetime_idx id ratio
0 A 2016-03-01 1 0.2
1 B 2016-03-01 1 0.2
2 C 2016-03-01 2 0.4
3 D 2016-03-01 1 0.2
type datetime_idx id ratio
0 A 2016-03-01 1 0.25
1 B 2016-03-01 1 0.25
2 C 2016-03-01 2 0.5
3 D 2016-03-01 1 0.25
由于您已经计算了day1_使用情况数据框，因此计算也可以非常简单：
day1_usage['ratio'] = day1_usage.id / day1.id.nunique()
type datetime_idx id ratio
0 A 2016-03-01 1 0.25
1 B 2016-03-01 1 0.25
2 C 2016-03-01 2 0.50
3 D 2016-03-01 1 0.25
由于您已经计算了day1_使用情况数据框，因此计算也可以非常简单：
day1_usage['ratio'] = day1_usage.id / day1.id.nunique()
type datetime_idx id ratio
0 A 2016-03-01 1 0.25
1 B 2016-03-01 1 0.25
2 C 2016-03-01 2 0.50
3 D 2016-03-01 1 0.25
csv_file = StringIO("""datetime_idx type id
2016-03-01 05:04:00 C 1
2016-03-01 05:24:00 A 2
2016-03-01 05:29:00 C 3
2016-03-01 05:29:00 B 4
2016-03-01 05:35:00 D 1
2016-03-03 05:04:00 C 1
2016-03-03 05:24:00 A 2
2016-03-03 05:29:00 C 3
2016-03-03 05:29:00 B 4
2016-03-03 05:35:00 D 1""")
days = pd.read_csv(csv_file,sep='\s\s+')
days['datetime_idx'] = pd.to_datetime(days.datetime_idx)
days = days.set_index('datetime_idx')
print(days)
type id
datetime_idx
2016-03-01 05:04:00 C 1
2016-03-01 05:24:00 A 2
2016-03-01 05:29:00 C 3
2016-03-01 05:29:00 B 4
2016-03-01 05:35:00 D 1
2016-03-03 05:04:00 C 1
2016-03-03 05:24:00 A 2
2016-03-03 05:29:00 C 3
2016-03-03 05:29:00 B 4
2016-03-03 05:35:00 D 1
days_usage = days.groupby('type').resample('D')['id'].nunique().to_frame()
days_usage
id
type datetime_idx
A 2016-03-01 1
2016-03-02 0
2016-03-03 1
B 2016-03-01 1
2016-03-02 0
2016-03-03 1
C 2016-03-01 2
2016-03-02 0
2016-03-03 2
D 2016-03-01 1
2016-03-02 0
2016-03-03 1
days_usage['ratio'] = (days_usage.unstack(0)
.div(days.resample('D')['id'].nunique(), axis='index')).fillna(0).stack().swaplevel(0,1)
print(days_usage)
id ratio
type datetime_idx
A 2016-03-01 1 0.25
2016-03-02 0 0.00
2016-03-03 1 0.25
B 2016-03-01 1 0.25
2016-03-02 0 0.00
2016-03-03 1 0.25
C 2016-03-01 2 0.50
2016-03-02 0 0.00
2016-03-03 2 0.50
D 2016-03-01 1 0.25
2016-03-02 0 0.00
2016-03-03 1 0.25
csv_file = StringIO("""datetime_idx type id
2016-03-01 05:04:00 C 1
2016-03-01 05:24:00 A 2
2016-03-01 05:29:00 C 3
2016-03-01 05:29:00 B 4
2016-03-01 05:35:00 D 1
2016-03-03 05:04:00 C 1
2016-03-03 05:24:00 A 2
2016-03-03 05:29:00 C 3
2016-03-03 05:29:00 B 4
2016-03-03 05:35:00 D 1""")
days = pd.read_csv(csv_file,sep='\s\s+')
days['datetime_idx'] = pd.to_datetime(days.datetime_idx)
days = days.set_index('datetime_idx')
print(days)
type id
datetime_idx
2016-03-01 05:04:00 C 1
2016-03-01 05:24:00 A 2
2016-03-01 05:29:00 C 3
2016-03-01 05:29:00 B 4
2016-03-01 05:35:00 D 1
2016-03-03 05:04:00 C 1
2016-03-03 05:24:00 A 2
2016-03-03 05:29:00 C 3
2016-03-03 05:29:00 B 4
2016-03-03 05:35:00 D 1
days_usage = days.groupby('type').resample('D')['id'].nunique().to_frame()
days_usage
id
type datetime_idx
A 2016-03-01 1
2016-03-02 0
2016-03-03 1
B 2016-03-01 1
2016-03-02 0
2016-03-03 1
C 2016-03-01 2
2016-03-02 0
2016-03-03 2
D 2016-03-01 1
2016-03-02 0
2016-03-03 1
days_usage['ratio'] = (days_usage.unstack(0)
.div(days.resample('D')['id'].nunique(), axis='index')).fillna(0).stack().swaplevel(0,1)
print(days_usage)
id ratio
type datetime_idx
A 2016-03-01 1 0.25
2016-03-02 0 0.00
2016-03-03 1 0.25
B 2016-03-01 1 0.25
2016-03-02 0 0.00
2016-03-03 1 0.25
C 2016-03-01 2 0.50
2016-03-02 0 0.00
2016-03-03 2 0.50
D 2016-03-01 1 0.25
2016-03-02 0 0.00
2016-03-03 1 0.25
它的简单性很好，但似乎每天都在计算唯一的ID，而不是按天计算。示例数据只有一个日期，这就是为什么它似乎可以工作的原因。它的简单性很好，但它似乎是计算所有天中的唯一ID，而不是按天计算。示例数据只有一个日期，所以这就是为什么它似乎有效的原因。我有点困惑。分母似乎是在对唯一ID进行计数之后对其进行计数，因为数据帧是day1_用法。我如何从dataframe day1开始计算呢？它似乎只起作用，因为day1_使用中的条目数恰好是4，对吗？并不是说那一天唯一用户的数量是4。@Helk-有可能添加更多具有所需输出的数据吗？尽管它似乎在这里起作用。我有点困惑。分母似乎是在对唯一ID进行计数之后对其进行计数，因为数据帧是day1_用法。我如何从dataframe day1开始计算呢？它似乎只起作用，因为day1_使用中的条目数恰好是4，对吗？并不是说当天的唯一用户数是4。@Helk-是否可以添加更多具有所需输出的数据？size似乎不是计算唯一ID数的正确函数。现在，在尝试将答案应用于更大的数据集之后，我注意到“大小”实际上是计算类型的数量，因为我们按类型分组，而不是按当天唯一用户的数量。每天唯一的ID数量需要从原始数据帧“day1”中获取@Helk我有几个小时的时间重置并再次思考这个问题。让我们看看这个逻辑是否符合你想要的。@Helk这是个很酷的问题。为了得到你想要的结果，我不得不稍微改变一下形状。如果你不遵循逻辑，请告诉我。我想我理解了这个过程，并且用你的答案学习了几个新命令：swaplevel和to_frame。感谢againsize似乎不是计算唯一ID数的正确函数。现在，在尝试将答案应用于更大的数据集之后，我注意到“大小”实际上是计算类型的数量，因为我们按类型分组，而不是按当天唯一用户的数量。每天唯一的ID数量需要从原始数据帧“day1”中获取@Helk我有几个小时的时间重置并再次思考这个问题。让我们看看这个逻辑是否符合你想要的。@Helk这是个很酷的问题。为了得到你想要的结果，我不得不稍微改变一下形状。如果你不遵循逻辑，请告诉我。我想我理解了这个过程，并且用你的答案学习了几个新命令：swaplevel和to_frame。再次谢谢，问题其实还没解决，好的。如何计算比率？第1天x类型的比率=第1天x类型的唯一用户数/第1天的唯一用户数对于实例，这将给出每天的唯一用户数：第1天。重新采样'D'['id']。nunique.reset_index。我只是不知道如何让这个部门运作。@ScottBoston你能帮忙吗？问题其实还没解决。如何计算比率？第1天x类型的比率=第1天x类型的唯一用户数/第1天的唯一用户数对于实例，这将给出每天的唯一用户数：第1天。重新采样'D'['id']。nunique.reset_index。“我只是不知道如何让这个部门运作。”斯科特伯顿，你能帮忙吗？