Подсчет категорий в подмножествах лет и деление на общее количество в подмножестве

Я подсчитываю количество отрицательных и положительных чисел в течение каждого года. В конечном итоге я хочу получить процент отрицательных и положительных результатов за каждый год.

Я пробовал группировать по годам и подсчитывать категории, но новые столбцы появляются без имени.

    df1= df.groupby(['Year','Count of Negative/Positive Margins'])['Count of Negative/Positive Margins'].count()

    df1.head()
    Out[194]: 
    Year  Count of Negative/Positive Margins
    2005  1                                     4001
          2                                     1373
    2006  1                                     4046
          2                                     1304
    2007  1                                     4156
    Name: Count of Negative/Positive Margins, dtype: int64 

Это мой ожидаемый результат:

    2005  1                                     74%
          2                                     26%
    .
    .
    .

Попробуйте df.groupby('Year')['Count of Negative/Positive Margins'].value_counts(normalize=True) * 100

cs95 09.04.2019 10:28

Почему эти два в сумме составляют 98%?

gmds 09.04.2019 10:32
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
2
26
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Используйте SeriesGroupBy.value_counts с группировкой только по столбцу Year и параметру normalize=True, затем умножьте на 100, округлите на Series.round, преобразуйте в строки и добавьте %:

df = (df.groupby('Year')['Count of Negative/Positive Margins']
        .value_counts(normalize=True)
        .mul(100)
        .round()
        .astype(str)
        .add('%')
        .reset_index(name='percentage')
       )

Другие вопросы по теме