Python 熊猫：.groupby（）.size（）和百分比

我有一个源自

df.groupby（）.size（）

操作的数据帧，如下所示：

Localization                           RNA level      
cytoplasm                              1 Non-expressed     7
                                       2 Very low         13
                                       3 Low               8
                                       4 Medium            6
                                       5 Moderate          8
                                       6 High              2
                                       7 Very high         6
cytoplasm & nucleus                    1 Non-expressed     5
                                       2 Very low          8
                                       3 Low               2
                                       4 Medium           10
                                       5 Moderate         16
                                       6 High              6
                                       7 Very high         5
cytoplasm & nucleus & plasma membrane  1 Non-expressed     6
                                       2 Very low          3
                                       3 Low               3
                                       4 Medium            7
                                       5 Moderate          8
                                       6 High              4
                                       7 Very high         1

我要做的是计算单独出现的次数（即来自

.size（）

的最后一列），作为适用

本地化中出现总数的百分比

例如：在
细胞质
定位（7+13+8+6+8+2+6）中总共有50次出现，
非表达
和
极低
RNA水平分别产生14%和26%

有什么好办法吗？我一直在用一种我认为非常迂回的方法，即为每一个
本地化
创建一个新的数据帧，并从那里开始工作，但是有很多行，最后必须合并所有生成的数据帧。我希望至少有一种更聪明的方法
 以下是基于熊猫、函数的完整示例。
基本思想是根据
“本地化”
对数据进行分组，并在组上应用函数

import pandas as pd
from io import StringIO
#For Python 2, replace previous line with: from StringIO import StringIO

data = \
"""Localization,RNA level,Size
cytoplasm                            ,1 Non-expressed, 7
cytoplasm                            ,2 Very low     ,13
cytoplasm                            ,3 Low          , 8
cytoplasm                            ,4 Medium       , 6
cytoplasm                            ,5 Moderate     , 8
cytoplasm                            ,6 High         , 2
cytoplasm                            ,7 Very high    , 6
cytoplasm & nucleus                  ,1 Non-expressed, 5
cytoplasm & nucleus                  ,2 Very low     , 8
cytoplasm & nucleus                  ,3 Low          , 2
cytoplasm & nucleus                  ,4 Medium       ,10
cytoplasm & nucleus                  ,5 Moderate     ,16
cytoplasm & nucleus                  ,6 High         , 6
cytoplasm & nucleus                  ,7 Very high    , 5
cytoplasm & nucleus & plasma membrane,1 Non-expressed, 6
cytoplasm & nucleus & plasma membrane,2 Very low     , 3
cytoplasm & nucleus & plasma membrane,3 Low          , 3
cytoplasm & nucleus & plasma membrane,4 Medium       , 7
cytoplasm & nucleus & plasma membrane,5 Moderate     , 8
cytoplasm & nucleus & plasma membrane,6 High         , 4
cytoplasm & nucleus & plasma membrane,7 Very high    , 1"""

# Create the dataframe
df = pd.read_csv(StringIO(data))
df['Localization'].str.strip()
df['RNA level'].str.strip()
df['Size'].astype(int)
df['Percent'] = df.groupby('Localization')['Size'].transform(lambda x: x/sum(x))

您应该使用
df['RNA level'].str.strip（）
进行矢量化字符串清理（而不是转换器），使用
df['Size'].astype（int）
进行矢量化int转换您的groupby可以折叠为：
df.groupby（'Localization'）['Size'].transform（lambda x:x/len（x））
您的意思是
df.groupby（'Localization'）['Size'].transform（λx:x/sum（x））