Python 通过获取组内满足条件的值的百分比

我有一个由

人

、

天

和

类型

组成的数据框架。这些数据没有真正意义，只是一个例子

我想先对

人

进行分组，然后键入

类型

，然后找出小于或等于3天的天数百分比

为此，我创建了一个

Boolean

列，时间等于或小于3天。然后应用

count

和

sum

聚合。我不太喜欢这种方法，因为我只需要

天数

列的

计数

，以及

天数限制

列的

总和

。这个方法实质上是创建两个不必要的列，并创建一些额外的步骤。如何清理此代码，使其在更大的数据集上更高效地运行

import pandas as pd
# create dataframe
df = pd.DataFrame(data=[['A', 4, 'Type 1'],
                        ['A', 1, 'Type 1'],
                        ['A', 3, 'Type 2'],
                        ['A', 0, 'Type 1'],
                        ['A', 12, 'Type 2'],
                        ['B', 1, 'Type 1'],
                        ['B', 3, 'Type 1'],
                        ['B', 5, 'Type 2']],
                   columns=['Person', 'Days', 'Type'])

df['Under Day Limit'] = df['Days'] <= 3;
print df
df = df.groupby(['Person', 'Type']).agg(['count', 'sum'])

df['Percent under Day Limit'] = df['Under Day Limit']['sum'] / df['Days']['count']
print df

• 在
  人员
  和
  类型上设置索引

• 天数的布尔数列

  >=3

• groupby

  索引中的级别

• value\u计数（normalize=True）

---

---

格式稍微多一点

               Days     Under Day Limit     Percent under Day Limit
              count sum           count sum                        
Person Type                                                        
A      Type 1     3   5               3   2                0.666667
       Type 2     2  15               2   1                0.500000
B      Type 1     2   4               2   2                1.000000
       Type 2     1   5               1   0                0.000000

df.set_index(['Person', 'Type']).Days.ge(3).groupby(level=[0, 1]).value_counts(True)

Person  Type    Days 
A       Type 1  False    0.666667
                True     0.333333
        Type 2  True     1.000000
B       Type 1  False    0.500000
                True     0.500000
        Type 2  True     1.000000
Name: Days, dtype: float64

df.set_index(['Person', 'Type']).Days.rename('>= 3').ge(3)  \
  .groupby(level=[0, 1]).value_counts(True).unstack(fill_value=0)