Разделение фреймов данных

Данные:

year    month   is_p    segment x       y
2018    JAN     Y       de      200     500
2018    JAN     N       de      100     200
2018    JAN     N       de      500     500
2018    JAN     Y       de      1000    500

Ожидаемый результат:

year month segment is_p   x     y     %of allocation_x  %of allocation_y                                              
2018 JAN   de      N      600   700          0.333333          0.411765
                   Y     1200  1000          0.666667          0.588235

Что я пробовал: Я сделал группировку и взял сумму значений для всех Y. После получения суммы я разделил вклад y на общую сумму.

df_p=df.groupby([year,month,is_p,segment]).sum() 
# To get the total sum for Y & N for is_p column
df_total=df.groupby([year,month,segment]).sum() 
# To get the total sum per segment.

Теперь я хочу получить процент значений (столбец - x,y) по отношению к столбцу is_p. Если есть другой способ, пожалуйста, помогите с ним.

Добро пожаловать в SO! Пожалуйста, отформатируйте ваши данные / код правильно (проверьте раздел помощи на сайте). У меня такое чувство, что мы могли бы легко помочь, если бы лучше понимали ваш вопрос!

— 23.12.2018 06:10

python pandas

23.12.2018 03:52

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

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

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

Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:

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

Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.

Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Вот мое решение! Сначала выполните groupby на ['year','month','segment'], затем в каждой группе получите сумму x и y относительно is_p. С суммами, затем получите проценты для каждой подкатегории.

d=''' year    month   is_p    segment x       y
2018    JAN     Y       de      200     500
2018    JAN     N       de      100     200
2018    JAN     N       de      500     500
2018    JAN     Y       de      1000    500
2019    JAN     Y       de      200     500
2019    JAN     N       de      100     2000
2019    JAN     N       de      5000     500
2019    JAN     Y       de      1000    500'''

df = pd.read_csv(pd.compat.StringIO(d), sep='\s+') 

def f(x):    
    grouped = x.groupby('is_p').agg(sum)
    for c in grouped.columns:
        grouped['%of allocation'+str(c)] = grouped[c]/grouped[c].sum()
    return grouped

interested_cols =['x','y']
df.groupby(['year','month','segment'])[['is_p']+interested_cols].apply(f)

Вывод:

                            x     y  %of allocation_x  %of allocation_y
year month segment is_p                                                
2018 JAN   de      N      600   700          0.333333          0.411765
                   Y     1200  1000          0.666667          0.588235
2019 JAN   de      N     5100  2500          0.809524          0.714286
                   Y     1200  1000          0.190476          0.285714

Спасибо, получилось и помогает. Однако предположим, что существуют различные меры, такие как x, y, z, r, p, q, s, t. Как я могу настроить петлю на то же самое.

— 24.12.2018 16:18

Да, этот ответ помогает. Спасибо.

— 24.12.2018 20:09

stackoverflow.com/questions/53918022/…

— 24.12.2018 23:11

Пожалуйста, просмотрите ссылку выше, чтобы узнать, относится ли она к той же проблеме. любая помощь будет оценена.

— 24.12.2018 23:12

23.12.2018 11:19