Python 每个类别分数的计数

我有一个与此类似的数据帧

ID  category  fraction_0  fraction 1
A    1         1/3         2/3
A    1         1/3         2/3
A    0         1/3         2/3 
C    1         0/1         1/1
B    0         1/1         0/1

分数_0和分数_1被输出。 分数_0是按ID分组的，在ID A中，类别中的数量是0。以A为例，在3as中，有一个0和两个1。所以分数_0是1/3，分数_1是2/3

我的代码如下所示

df.groupby('ID')['category'].agg(lamda x: x/x.sum())

---

但是，这段代码不能帮助我对0和1进行分类。有人知道如何解决这个问题吗？

使用

groupby

+

value\u计数
和
normalize=True
来获得分数。然后，我们需要重新塑造并将结果合并回原始结果

res = (df.groupby('ID')['category']      # For category within each ID
        .value_counts(normalize=True)    # Calculate %
        .unstack(-1)                     # Each category to a column
        .fillna(0)                       # No occurrences -> 0%
        .add_prefix('fraction_'))        # Modify column names

df = df.merge(res, on='ID', how='left')


使用
groupby
+
value\u counts
和
normalize=True
获得分数。然后，我们需要重新塑造并将结果合并回原始结果

res = (df.groupby('ID')['category']      # For category within each ID
        .value_counts(normalize=True)    # Calculate %
        .unstack(-1)                     # Each category to a column
        .fillna(0)                       # No occurrences -> 0%
        .add_prefix('fraction_'))        # Modify column names

df = df.merge(res, on='ID', how='left')


unstacked（-1）是什么意思here@totolow在groupby之后，您将获得一个多索引系列，其中第0级是ID，第一级是类别。例如，查看
df.groupby（'ID'）['category'].value\u计数（normalize=True）
的输出。然后取消堆叠将类别转换为它们自己的列。取消堆叠（-1）是什么意思here@totolow在groupby之后，您将获得一个多索引系列，其中第0级是ID，第一级是类别。例如，查看
df.groupby（'ID'）['category'].value\u计数（normalize=True）
的输出。然后取消堆叠将类别转换为它们自己的列。