首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

如何根据另一列的总和动态离散化pandas列?

在Pandas中,可以使用groupby函数和transform函数来根据另一列的总和动态离散化某一列。

首先,假设我们有一个DataFrame df,其中包含两列:valuegroup。我们想要根据group列的总和动态离散化value列。

代码语言:txt
复制
import pandas as pd

# 创建示例DataFrame
df = pd.DataFrame({'value': [10, 20, 30, 40, 50, 60],
                   'group': ['A', 'A', 'B', 'B', 'C', 'C']})

# 计算每个group的总和
group_sums = df.groupby('group')['value'].transform('sum')

# 计算每个group的离散化值
discretized_values = df['value'] / group_sums

# 将离散化值添加到DataFrame中
df['discretized_value'] = discretized_values

print(df)

输出结果如下:

代码语言:txt
复制
   value group  discretized_value
0     10     A           0.166667
1     20     A           0.333333
2     30     B           0.428571
3     40     B           0.571429
4     50     C           0.500000
5     60     C           0.600000

在上述代码中,我们首先使用groupby函数按照group列进行分组,并使用transform函数计算每个组的总和。然后,我们将value列除以对应组的总和,得到离散化的值。最后,将离散化的值添加到原始DataFrame中的新列discretized_value中。

这种方法可以根据另一列的总和动态地离散化某一列,适用于各种数据分析和处理场景。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

如何pandas根据指定指进行partition

##解决方案 朴素想法 最朴素想法就是遍历一遍原表所有行,构建一个字典,字典每个key是title,value是两个list。...不断将原有数据放入其中,然后到时候直接遍历keys,根据两个list构建pd,排序后导出。 更python做法 朴素想法应该是够用,但是不美观,不够pythonic,看着很别扭。...于是我搜索了How to partition DataFrame by column value in pandas?...boolean index stackoverflow里有人提问如何离散数据进行二分类,把小于和大于某个值数据分到两个DataFrame中。...groupby听着就很满足我需求,它让我想起了SQL里面的同名功能。 df.groupby('ColumnName').groups可以显示所有的元素。

2.7K40

根据数据源字段动态设置报表中数量以及宽度

在报表系统中,我们通常会有这样需求,就是由用户来决定报表中需要显示数据,比如数据源中共有八数据,用户可以自己选择在报表中显示哪些,并且能够自动调整列宽度,已铺满整个页面。...本文就讲解一下ActiveReports中该功能实现方法。 第一步:设计包含所有报表模板,将数据源中所有先放置到报表设计界面,并设置你需要宽,最终界面如下: ?...第二步:在报表后台代码中添加一个Columns属性,用于接收用户选择,同时,在报表ReportStart事件中添加以下代码: /// /// 用户选择列名称...].Width; // 设置控件坐标 if (tmp == null) { // 设置需要显示第一坐标...源码下载: 动态设置报表中数量以及宽度

4.8K100

Pandas如何查找某中最大值?

一、前言 前几天在Python白银交流群【上海新年人】问了一个Pandas数据提取问题,问题如下:譬如我要查找某中最大值,如何做? 二、实现过程 这里他自己给了一个办法,而且顺便增加了难度。...print(df[df.点击 == df['点击'].max()]),方法确实是可以行得通,也能顺利地解决自己问题。...顺利地解决了粉丝问题。 三、总结 大家好,我是皮皮。这篇文章主要盘点了一个Pandas数据提取问题,文中针对该问题,给出了具体解析和代码实现,帮助粉丝顺利解决了问题。...最后感谢粉丝【上海新年人】提出问题,感谢【瑜亮老师】给出思路,感谢【莫生气】、【添砖java】、【冯诚】等人参与学习交流。

25610

pandas:由层次索引延伸一些思考

删除层次索引 用pandas利用df.groupby.agg() 做聚合运算时遇到一个问题:产生了方向上两级索引,且需要删除一级索引。...删除层次索引操作如下: # 层次索引删除 levels = action_info.columns.levels labels = action_info.columns.labels print...因为他更一般,不存在什么简化,什么一维数组,什么标量值。且apply会将当前分组后数据一起传入,可以返回多维数据。...例子:根据 student_action表,统计每个学生每天最高使用次数终端、最低使用次数终端以及最高使用次数终端使用次数、最低使用次数终端使用次数。...总结 层次索引删除 列表模糊查找方式 查找dictvalue值最大key 方式 当做简单聚合操作(max,min,unique等),可以使用agg(),在做复杂聚合操作时,一定使用apply

87230

Pandas处理csv表格时候如何忽略某一内容?

一、前言 前几天在Python白银交流群有个叫【笑】粉丝问了一个Pandas处理问题,如下图所示。 下面是她数据视图: 二、实现过程 这里【甯同学】给了一个解决方法。...只需要在读取时候,加个index_col=0即可。 直接一步到位,简直太强了!...当然了,这个问题还可以使用usecols来解决,关于这个参数用法,之前有写过,可以参考这个文章:盘点Pandas中csv文件读取方法所带参数usecols知识。 三、总结 大家好,我是皮皮。...这篇文章主要分享了Pandas处理csv表格时候如何忽略某一内容问题,文中针对该问题给出了具体解析和代码演示,帮助粉丝顺利解决了问题。...最后感谢粉丝【笑】提问,感谢【甯同学】给出代码和具体解析。

2.1K20

如何使用pandas读取txt文件中指定(有无标题)

最近在倒腾一个txt文件,因为文件太大,所以给切割成了好几个小文件,只有第一个文件有标题,从第二个开始就没有标题了。 我需求是取出指定数据,踩了些坑给研究出来了。...= pd.read_table("test1.txt") # 这个是带有标题文件 names = test1["name"] # 根据标题来取值 print(names) ''' 张三 李四 王五...None) # 这个是没有标题文件 names = test2[1] # 根据index来取值 print(names) ''' Allen Bob Candy ''' ?...names 读取哪些以及读取顺序,默认按顺序读取所有 engine 文件路径包含中文时候,需要设置engine = ‘python’ encoding 文件编码,默认使用计算机操作系统文字编码...以上这篇如何使用pandas读取txt文件中指定(有无标题)就是小编分享给大家全部内容了,希望能给大家一个参考。

9.7K50

Pandas将三个聚合结果如何合并到一张表里?

一、前言 前几天在Python最强王者交流群【斌】问了一个Pandas数据处理问题,一起来看看吧。 求教:将三个聚合结果如何合并到一张表里?这是前两,能够合并。...这是第三,加权平均,也算出来了。但我不会合并。。。。 二、实现过程 后来【隔壁山楂】给了一个思路,Pandas中不能同时合并三个及以上,如下所示,和最开始那一句一样,改下即可。...顺利地解决了粉丝问题。另外也说下,推荐这个写法,df=pd.merge(df1, df2, on="列名1", how="left")。 三、总结 大家好,我是皮皮。...这篇文章主要盘点了一个Pandas数据处理问题,文中针对该问题,给出了具体解析和代码实现,帮助粉丝顺利解决了 ------------------- End -------------------

15120

如何Pandas 中创建一个空数据帧并向其附加行和

Pandas是一个用于数据操作和分析Python库。它建立在 numpy 库之上,提供数据帧有效实现。数据帧是一种二维数据结构。在数据帧中,数据以表格形式在行和中对齐。...在本教程中,我们将学习如何创建一个空数据帧,以及如何Pandas 中向其追加行和。...然后,我们在数据帧后附加了 2 [“罢工率”、“平均值”]。 “罢工率”值作为系列传递。“平均值”值作为列表传递。列表索引是列表默认索引。...Python 中 Pandas 库创建一个空数据帧以及如何向其追加行和。...我们还了解了一些 Pandas 方法、它们语法以及它们接受参数。这种学习对于那些开始使用 Python 中 Pandas 库对数据帧进行操作的人来说非常有帮助。

21830

Pandas库常用方法、函数集合

:合并多个dataframe,类似sql中union pivot:按照指定行列重塑表格 pivot_table:数据透视表,类似excel中透视表 cut:将一组数据分割成离散区间,适合将数值进行分类...qcut:和cut作用一样,不过它是将数值等间距分割 crosstab:创建交叉表,用于计算两个或多个因子之间频率 join:通过索引合并两个dataframe stack: 将数据框“堆叠”为一个层次...Series unstack: 将层次Series转换回数据框形式 append: 将一行或多行数据追加到数据框末尾 分组 聚合 转换 过滤 groupby:按照指定或多个对数据进行分组 agg...:对每个分组应用自定义聚合函数 transform:对每个分组应用转换函数,返回与原始数据形状相同结果 rank:计算元素在每个分组中排名 filter:根据分组某些属性筛选数据 sum:计算分组总和...astype: 将一数据类型转换为指定类型 sort_values: 对数据框按照指定进行排序 rename: 对或行进行重命名 drop: 删除指定或行 数据可视 pandas.DataFrame.plot.area

25610

干货分享|如何用“Pandas”模块来做数据统计分析!!

在上一篇讲了几个常用Pandas”函数之后,今天小编就为大家介绍一下在数据统计分析当中经常用到Pandas”函数方法,希望能对大家有所收获。...而对于更加复杂分组计算,“Pandas”模块中“Crosstab”函数也能够帮助我们实现。...,还有离散值每个类型累加总和呈现,具体大家看下面的代码和例子 import sidetable marketing.stb.freq(['Age']) ?...例如上面的代码,显示则是比方说当“Age”是“Middle”时候,也就是中年群体,“AmountSpent”总和,也就是花费总和是762859元 06 Missing函数 “Sidetable”...07 Counts函数 “Sidetable”函数当中“counts”方法用来计算各个类型离散值出现数量,具体看下面的例子 marketing.stb.counts() ?

80120

【Python】5种基本但功能非常强大可视类型

我们已经使用颜色编码来根据“cat”分离数据点。mark_circle函数size参数用于调整散点图中点大小。 3.直方图 直方图用于显示连续变量分布。...它将取值范围划分为离散数据元,并统计每个数据元中数据点个数。 让我们创建“val3”直方图。...A中值范围小于其他两个类别。框内白线表示中值。 5.条形图 条形图可用于可视离散变量。每个类别都用一个大小与该类别的值成比例条表示。...例如,我们可以使用条形图来可视按week分组“val3”。我们先用pandas库计算。...第一行从date中提取周。第二行将“val3”按周分组并计算总和。 我们现在可以创建条形图。

2.1K20

初学者使用Pandas特征工程

估算这些缺失值超出了我们讨论范围,我们将只关注使用pandas函数来设计一些新特性。 用于标签编码replace() pandasreplace函数动态地将当前值替换为给定值。...合并也可以称为离散技术,因为我们将连续变量划分为离散变量。 对于某些机器学习算法,有时使用离散变量而不是连续变量会更好。...qcut() : qcut是基于分位数离散函数,它试图将bins分成相同频率组。如果尝试将连续变量划分为五个箱,则每个箱中观测数量将大致相等。...正如预期那样,该每个子类别的观察分布大致相等。 cut() : cut函数还用于离散连续变量。...尾注 那就是pandas力量;仅用几行代码,我们就创建了不同类型新变量,可以将模型性能提升到另一个层次。

4.8K31

Pandas常用命令汇总,建议收藏!

大家好,我是小F~ Pandas是一个开源Python库,广泛用于数据操作和分析任务。 它提供了高效数据结构和功能,使用户能够有效地操作和分析结构数据。...Pandas与其他流行Python库(如NumPy、Matplotlib和scikit-learn)快速集成。 这种集成促进了数据操作、分析和可视工作流程。...由于其直观语法和广泛功能,Pandas已成为数据科学家、分析师和研究人员在 Python中处理表格或结构数据首选工具。...() # 按多对DataFrame进行分组并计算另一总和 grouped_data = df.groupby(['column_name1', 'column_name2'])['other_column...# 计算数值描述性统计 df.describe() # 计算某总和 df['column_name'].sum() # 计算某平均值 df['column_name'].mean()

38010

玩转Pandas,让数据处理更easy系列6

,让数据处理更easy系列5 实践告诉我们Pandas主要类DataFrame是一个二维结合数组和字典结构,因此对行、而言,通过标签这个字典key,获取对应行、,而不同于Python,...分和合按照字面理解就可,但是“治”又是怎么理解,进一步将治分为3件事: 聚合操作,比如统计每组个数,总和,平均值 转换操作,对每个组进行标准,依据其他组队个别组NaN值填充 过滤操作,忽略一些组...06 治:分组上操作 对分组上操作,最直接是使用aggregate操作,如下,求出每个分组上对应列总和,大家可以根据上面的分组情况,对应验证: agroup = df.groupby('A')...如果根据两个字段组合进行分组,如下所示,为对应分组总和, abgroup = df.groupby(['A','B']) abgroup.aggregate(np.sum) ?...如想下载以上代码,请后台回复: pandas 小编对所推文章分类整理,欢迎后台回复数字,查找感兴趣文章: 1. 排序算法 2. 图算法(含树) 3. 动态规划 4.

2.7K20
领券