Python Pandas -将Groupby DF上的列转换为百分比
Python Pandas是一个开源的数据分析和数据处理工具，它提供了丰富的数据结构和数据操作功能。在Pandas中，Groupby是一种常用的数据分组操作，可以根据某个或多个列的值将数据集分成多个组，并对每个组进行相应的计算或转换。
将Groupby DF上的列转换为百分比，可以通过以下步骤实现：
- 首先，使用Pandas的groupby函数将数据集按照指定的列进行分组。例如，假设我们有一个名为df的DataFrame，其中包含两列"Category"和"Value"，我们想要按照"Category"列进行分组，可以使用以下代码：
- 首先，使用Pandas的groupby函数将数据集按照指定的列进行分组。例如，假设我们有一个名为df的DataFrame，其中包含两列"Category"和"Value"，我们想要按照"Category"列进行分组，可以使用以下代码：
- 接下来，可以使用agg函数对每个组进行聚合操作。在这个例子中，我们想要将每个组的"Value"列转换为百分比，可以定义一个自定义的聚合函数，并将其应用到每个组。例如，我们可以定义一个名为to_percentage的函数来实现转换：
- 接下来，可以使用agg函数对每个组进行聚合操作。在这个例子中，我们想要将每个组的"Value"列转换为百分比，可以定义一个自定义的聚合函数，并将其应用到每个组。例如，我们可以定义一个名为to_percentage的函数来实现转换：
- 最后，使用agg函数将自定义的聚合函数应用到每个组，并将结果保存到新的列中。例如，我们可以将转换后的结果保存到名为"Percentage"的列中：
- 最后，使用agg函数将自定义的聚合函数应用到每个组，并将结果保存到新的列中。例如，我们可以将转换后的结果保存到名为"Percentage"的列中：
通过以上步骤，我们可以将Groupby DF上的列转换为百分比。这样做的好处是可以方便地对分组数据进行百分比计算和比较，以便更好地理解和分析数据。
推荐的腾讯云相关产品：腾讯云服务器（CVM）、腾讯云数据库MySQL、腾讯云对象存储（COS）等。您可以通过腾讯云官方网站（https://cloud.tencent.com/）了解更多关于这些产品的详细信息和使用指南。
相关·内容
我得到了pandas的数据帧，如下所示：enter image description here 根据省份，有多个针对澳大利亚的列，这些列的标题是澳大利亚、澳大利亚1、澳大利亚2等等。美国、英国或加拿大等其他国家也是如此。我希望每个国家都只有一个专栏。例如，我希望有一个名为Australia的列，其中包含每个省份的值的总和，并且我希望避免重复的列名。如何在Python中使用pandas dataframe完成此操作？
浏览 33提问于2020-12-12得票数 2
回答已采纳
我有这样的数据：
nt
12062 Python Pandas: Create new column out of other columns where value is not null
12063 Python Pandas Create New Column with Groupby().Sum()
12064
12065 Python - Pandas - create “first fail” column from other column data
12066
12067
12068 Creating new column in
浏览 4提问于2017-05-21得票数 1
回答已采纳
3回答
尝试计算Python Pandas的百分比
1 2
0 A 0
1 A 1
2 A 2
3 B 0
4 B 0
5 B 1.5
6 B 0
分数高于0的A和B的百分比输出。
A = 66%
B = 25%
浏览 4提问于2017-06-15得票数 2
这是我的密码
import pandas as pd
df = pd.DataFrame()
df['country'] = ['UK', 'UK', 'USA', 'USA', 'USA']
df['name'] = ['United Kingdom', 'United Kingdom', 'United States', 'United States', 'United States']
df[
浏览 7提问于2022-04-19得票数 -1
1回答
我使用python 3.7.6运行，dataframe如下所示：
f_value desc
1 f1 null
2 f2 null
3 f1 TBD1
4 f3 TBD2
5 f4 TBD4
6 f1 TBD5
我想按f_value进行分组，并获得desc列中的百分比:非空值的百分比。
类似于：
f_value res_prec
1 f1 66%
2
浏览 0提问于2020-04-05得票数 0
回答已采纳
我有一个包含以下列的数据帧： Date | Origin | Destination | Service | Demand
April 4 | Chicago | Toronto | Ground |250
April 4 | Chicago | Tampa | Ground |250
April 5 | Chicago | Orlando | Air |100
April 5 | Chicago | Seattle | Air |400 我想用Python编写一个函数，或者使用panda
浏览 26提问于2019-04-24得票数 0
回答已采纳
2回答
对熊猫来说是新手。
具有以下顺序的DataFrame :带有多个值行的A B C Date1 Date2 D。我想根据季度将整个DataFrame划分为多个数据格式，即(Jan-Mar, Apr-Jun, Jul-Sep, Oct-Dec)。我试图只使用相同的Date1列值。到目前为止，我尝试了以下几种方法：
data_q = data.groupby(pandas.TimeGrouper(freq = '3M'))
日期以2009-11-03表格为准。
浏览 3提问于2015-06-29得票数 1
回答已采纳
当我们提供axis=1时，我对groupby的行为感到困惑。例如：
from pandas import DataFrame
junk_df = DataFrame(data = {"c1": [1,1,2,2,3,3],
"c2": [1,1,3,3,5,5],
"c3": [2,2,3,3,4,4]},
index=["r1", "r2",
浏览 47提问于2021-11-24得票数 1
我有一个非常大的CSV文件，我设法按列id排序，但我无法计算具有该列id的平均列值。
88741,42.84286022,16.41829224,1
88797,42.78081536,16.40743455,1
88797,42.78081536,16.21153455,1
88823,42.51512511,16.43304948,2
88885,42.88204193,16.12412548,2
87227,42.88204193,16.64223948,3
and so on...
我需要在没有SchoolCode列的情况下获得新的csv，并对每个集群使用经度和经度平均值。而且，位数应
浏览 2提问于2018-06-05得票数 0
我是Python的新手，所以很可能我只是没有正确的措辞来找到答案。
使用Pandas，我能够为我的数据描述字段中的每一条记录找到最频繁的N个单词。但是，我有两个列:一个分类列和description字段。如何找到每个类别中最常见的单词？
Ex数据：
- Property|Description
- House| Blue, Two stories, pool
- Car| Green, Dented, Manual, New
- Car| Blue, Automatic, Heated Seat
- House|New, Furnished, HOA
- Car|Blue, Old
浏览 6提问于2020-06-06得票数 2
回答已采纳
1回答
我正在尝试将具有唯一密钥的df转换为JSON文件。pandas dataframe看起来如下所示。
import pandas as pd
d = {'col1': [1,2,2,2,3,3], 'col2': ['a','b','c','','e','f'], 'col3': ['one','two','three','four','five','six'
浏览 4提问于2020-11-13得票数 0
回答已采纳
2回答
我很好奇Pandas中是否有预先构建的函数来检查组中的所有成员(列中的因素)是否在另一列中包含相同的值。
也就是说，如果我的数据与下面类似，它将返回一个空列表。
Col1 Col2
2 A
2 A
0 B
0 B
但是，如果我的数据以这种方式出现(注意到Col1中的1)：
Col1 Col2
2 A
2 A
0 B
1 B
然后输出将是一个包含对象"B“的列表，因为组B在Col1中有不同的值。
浏览 1提问于2019-02-04得票数 3
回答已采纳
我是数据科学的新手，目前在Jupyter笔记本上使用Pandas库。对不起，我的英语很差。
A,1,5,9
B,2,6,3
A,3,7,2
B,4,8,1
如何对上述CSV值进行分组，并在创建DataFrame后添加内容？我想要这样的输出。
A B
0 4 6
1 12 14
2 11 4
提前感谢:)
浏览 0提问于2020-05-31得票数 0
1回答
我正在处理一些玻璃钻孔温度数据，该数据由大约1000行乘700列组成。垂直索引是深度(即，当您向下移动时，数组深度增加)，列标题是日期时间值(即，当您沿着数组向右移动时，您将在时间上向前移动)。 我正在寻找一种方法来平均列中的所有温度取决于日期采样率。例如，较早的日期时间间隔为10分钟，而较晚的日期时间间隔为6小时。 如果能够将采样作为输入，并基于该采样率提取数据，这将是一件好事，这样我就可以看到哪一个效果最好。 如果我选择比方说3小时采样，如果间隔超过3小时，这将被忽略，并且在这种情况下不会对数据进行任何更改(即，10分钟的日期时间间隔是平均的，但6小时的日期时间间隔不受影响)。 所有这些
浏览 13提问于2019-10-14得票数 0
我有以下数据帧： import pandas as pd
data = [['2020-08', 'Peter', 0.5], ['2020-08', 'Tom', 0.29], ['2020-08', 'Kurt', 0], ['2020-09', 'Peter', 0], ['2020-09', 'Tim', 0.79], ['2020-09', 'Kurt', 0]]
df1 = pd.Da
浏览 24提问于2020-10-22得票数 0
1回答
我正在使用一个pandas数据框架，并使用以下交叉表公式将结果制表： ct = pd.crosstab(index=[df['Gender'], df['Education'],df['MaritalStatus']],
columns=df['month'], normalize='columns').round(2) 交叉表的输出： ? 我不希望按整个列来计算百分比。相反，例如，对于第一行，我希望的输出是计算Level0级别的女性的百分
浏览 20提问于2021-10-11得票数 1
回答已采纳
2回答
我有一个(希望很简单)的问题。我正在尝试使用Pandas在Python中创建一个运行总计。比如说我有工人，他们每天都在跟踪他们的工作时间。我想知道他们每天工作的总时间是多少小时。
假设我有一个Pandas，有四列，如下所示(为了便于阅读，在几天之间增加了水平空间)：
Day Worker HoursWorked HoursWorkedThusFar
1 1 0 0
1 2 2 0
1 3 4
浏览 1提问于2020-09-09得票数 0
回答已采纳
1回答
我有一个包含Value、Type和Subtype列的数据文件。我想先用Type对其进行分组，然后按Subtype对其进行分组，但是第二组应该只针对特定的组进行(例如，仅针对组Type=="Type 2)。我怎样才能以最优雅的方式做到这一点呢？这是我的代码-我想做第二个分组(由SubType)只为Type 2，而不是两者。对于Type 1，聚合值应该等于来自所有SubTypes的和。
import pandas as pd
df = pd.DataFrame()
df["Type"] = ["1", "2", "1", &
浏览 1提问于2022-06-11得票数 1
回答已采纳
2回答
我的pandas_df中有两列。类别和金额。我的数据如下所示：
category amount
home 20
home 10
fashion 20
fashion 10
celebrity 30
celebrity 40
我想对category列进行分组并获得每个类别的总和。我还需要知道每个类别的百分比。
预期输出：home 30 - 23% etc
我的代码：
dict(df.groupby(['category'])['am
浏览 15提问于2020-08-04得票数 1
回答已采纳
1回答
列中的百分比值
、、、
我正在寻找：
：体重型瘦球员的百分比，是体重型正常球员的百分比，是体重型运动员超重的百分比，是体重型肥胖者的百分比。
它们都列在IMC列中。
这是我的数据集：
我不太懂Python。我得到每一行的百分比，但它不是一组一组的(瘦，正常，超重，肥胖)
这是我目前的代码：
(df.groupby('IMC').size() / df['IMC'].count()) * 100
浏览 1提问于2021-01-10得票数 0
我们使用的是Python 2.7
我们有一个简单的表格如下：
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': 'foo bar foo bar foo bar foo foo polar bear'.split(),
'B': '1 1 2 3 2 2 1 3 4 5'.split()})
print(df)
它会生成
A B
0 foo 1
1 bar 1
2 foo 2
3
浏览 9提问于2015-12-29得票数 0
我正在对两列执行group by操作，需要计算level-1中值的数量 我尝试了以下几种方法： >>> import pandas as pd
>>> df = pd.DataFrame({'A': ['one', 'one', 'two', 'three', 'three', 'one'], 'B': [1, 2, 0, 4, 3, 4], 'C': [3,3,3,3,4,8]})
>>> pr
浏览 12提问于2019-06-24得票数 1
回答已采纳
1回答
假设，我有以下数据框架。
ID Type miles
ID_1 Bus 2
ID_2 Taxi 3
ID_1 Bus 8
ID_2 Taxi 5
ID_1 Car 6
ID_3 Train 5
ID_4 Tram 7
我想将ID和Type分组，并在miles上求和。然后创建新的列mile_sum。
然后，我想计算出现频率和频率，并将其放在新创建的列“ID”中。
最后，我想计算他们的百分比从总数，并放在新创建的“百分比”列。
ID
浏览 15提问于2021-02-22得票数 0
回答已采纳
1回答
我有一个包含datetime列和count列的pandas df1。如果连续一个小时的字符串为0，并且在该小时内少于2分钟的数据大于0(“峰值容差”)，则认为该字符串无效。
datetime间隔为5秒，但并不总是一致的(即，可以从6:00:00跳到14:00:00，跳过其间的所有时间)，因此行之间的差异应为5秒，才能被视为连续的一段时间。
我想添加一个新的列flag，它将0标记为无效，1标记为有效。
样本数据
time count flag
00:00:05 0 0
00:00:10 0 0
.....
浏览 6提问于2016-08-09得票数 1
我正在使用python pandas，并希望根据下表的中间列对输出进行排序(我已经显示了我正在获得的输出和我想要获得的输出)。 我在pandas中使用groupby函数来获得输出，但是它是按计数列排序的(参见下面的输出表)，而我想要按YOB列排序(请参见所需的输出表)。 另外，我如何计算每个国家的平均出生年份？ import pandas as pd
xlpath= "C:/Users/Username/documents/Datafile.xlsx"
df = pd.read_excel(eval('xlpath'))
y = df.groupby(&
浏览 20提问于2019-10-14得票数 0
回答已采纳
我有一个pandas数据框，它的一个列包含一些字符串。我想根据字数将该列拆分成未知数量的列。 假设我有DataFrame df： Index Text
0 He codes
1 He codes well in python
2 Python is great language
3 Pandas package is very handy 现在，我想将text列划分为多个列，每个列包含2个单词。 Index 0 1 2
0
浏览 17提问于2020-06-29得票数 3
回答已采纳
我试图添加一列数据，该列是根据多个索引数据的最左边索引从现有列中计算出来的。
对于这个例子，我有一列统计数据，我的最左边的索引是球员，下一个等级的指数是赛季。我想添加一个列，这是一个相对的统计数字，根据每个球员的百分比最大统计。
因此，对于下面的数据框架，我想添加一个列，即rStats (相对数据)，其中第一个条目为=5/7，第二个条目为=6/7，第三个条目为=7/7，然后一旦到达一个新播放器，它将使用它们的最大值，因此条目4将为=3/5，依此类推。
Stats
Stephen Curry 2010 5
2011
浏览 9提问于2019-10-10得票数 3
回答已采纳
1回答
这里新来的熊猫。一个(琐碎)问题:主机、操作、执行时间。我想按主机分组，然后按host+operation分组，计算每个主机执行时间的std偏差，然后根据host+operation对计算std偏差。看起来很简单？
它适用于按单个列进行分组：
df
Out[360]:
<class 'pandas.core.frame.DataFrame'>
Int64Index: 132564 entries, 0 to 132563
Data columns (total 9 columns):
datespecial 132564 non-null values
ho
浏览 0提问于2013-12-03得票数 7
回答已采纳
1回答
我的数据
我有以下熊猫数据框架：
df = pd.DataFrame({
'c1': range(5),
'c2': [
{'k1': 'x-1', 'k2': 'z'},
{'k1': 'x-2', 'k2': 'z1'},
{'k1': 'x-3', 'k2': 'z1'},
{'
浏览 0提问于2017-07-13得票数 1
回答已采纳
我有一个包含2列的数据帧"dfClean“：
+---+-----+
|som| ano |
+---+-----+
| 1 | 1 |
| 2 | 0 |
| 3 | 1 |
| 4 | 1 |
我需要创建一个Python列表，在同一行的列"ano“中有1的值在"som”中。所以期望的输出是：pyLst = [1,3,4]
在Pandas中我使用过：pyLst = dfClean.som[dfClean.ano == 1].tolist()
我如何在PySpark或Scala中做到这一点，我需要导入哪些额外的库？
浏览 0提问于2021-03-03得票数 0
3回答
我有一个数据框架：
>>> import pandas as pd
>>>
>>> df = pd.DataFrame({
... 'P': ['P1', 'P1', 'P2', 'P2', 'P2'],
... 'A1': [0,1,2,1,2],
... 'A2': [5,4,1,3,2],
... 'A3': [5,1,3,8,4],
... '
浏览 23提问于2021-02-28得票数 2
回答已采纳
3回答
TLDR:我需要将每个组中的长度或项数添加到新的列中。如何才能做到这一点？
我正在处理的实验结果包含了几次重复的结果(在相同的设置下重复相同的实验，以提高数据的统计弹性)。每个实验都有一个标识符，而每一个重复/运行都有一个“内部”的索引(请参阅代码片段以获得澄清)。
由于即将进行数据处理，并且为了显示每次实验运行的总数(例如运行1/3、运行2/3、运行3/3)，我需要添加两列
一个“人类可读的”运行编号(基本上是一个基于一个的运行索引)和
每次实验的总运行次数。
通过增加每次运行的run_id，可以很容易地实现第一个目标：
import io
import pandas as
浏览 5提问于2021-04-06得票数 2
回答已采纳
2回答
dataframe是query.when groupby之后的一个空df，引发运行时警告，然后获得另一个没有columns.How的空数据raise来保留列？
df = pd.DataFrame(columns=["PlatformCategory","Platform","ResClassName","Amount"])
print df
结果：
Empty DataFrame
Columns: [PlatformCategory, Platform, ResClassName, Amount]
Index: []
然后分组讨论
浏览 5提问于2017-09-07得票数 9
回答已采纳
我已经在Stackexchange上浏览了不同的问题，但还没有想好如何在Pandas中做我需要的事情。我认为这最终会非常简单！
我正在做一个任务，其中一个数据集有一堆产品，每个产品在它所在的每个商店都有一行。因此，产品A将有单独的食品，药店，目标，沃尔玛等线。然后，它的可用性和该网点的重要性成倍增加，我需要将结果重新百分比等于100%。
现在我在Excel/Google工作表中手动操作，但这很烦人和乏味。我可以告诉如何使用Groupby获得每个产品E列的总和，但我不知道如何显示每个产品的数字，以便E列中的每个数字可以划分为E列。
有人有什么建议吗？
浏览 0提问于2018-04-19得票数 0
我正在使用Python中的Pandas DataFrame，它包含以下图像中的前2列: user_id，user_time。
我只需在其中添加第三列，这基本上是每个"user_time“的"user_id”序列。在Excel中，公式是：
=COUNTIFS([user_id],[@[user_id]], [user_time], "<="&[@[user_time]])
请问我用Python怎么做？
浏览 4提问于2017-07-05得票数 1
回答已采纳
我只是尝试在我的数据框中创建一个列，其中包含列值与上个月的相同列的差值。如果上个月不存在，不要计算差额。
df_ranking['cat_race'] = df_ranking.groupby(df_ranking['ID'], df_ranking['DATE'])['POINTS'].shift(1)
但是我得到的错误信息是：
Traceback (most recent call last):
File "C:/Users/jhoyo/PycharmProjects/Tennis-Ranking/venv/ra
浏览 9提问于2019-08-22得票数 0
回答已采纳
使用Python3和Anaconda，我在ipython上导入了pandas和os。我有一个非常大的csv文件。在对文件使用read_csv之后，我尝试对两列使用.groupby()，但它将数据类型从DataFrame更改为DataFrameGroupBy，并且我不能再对其运行数据框方法。 我想不出任何可以尝试的东西。我对熊猫的经验很少，通过codecademy获得的。我的代码似乎可以在那里工作。 import os
import pandas as pd
totals = pd.read_csv('filename')
band_gaps = totals.groupb
浏览 19提问于2019-06-21得票数 0
回答已采纳
我是Python Pandas的新手，因此找不到许多普通SQL操作的语法等价物。给定玩具场景： id rank ts alive
1 1 2015-11-01 1
1 2 2015-11-03 1
1 3 2015-11-07 1
2 1 2015-11-03 1
2 2 2015-11-08 1 我将如何实现以下目标： id rank ts alive cumulative_age_in_days mean_id_age_on_
浏览 15提问于2021-01-20得票数 2
回答已采纳
我是一个使用Python的新手，从使用SQL开始，我一直使用PANDAS从CSV文件构建报告，并取得了相当的成功。多亏了这个网站，我能够回答大多数问题，但我似乎无法找到问题的答案：
我有一个数据帧，它有两列，我希望能够在第一列上分组，并显示连接到第三列的第二列中的最低和最高字母值。在SQL中我可以很容易地做到这一点，但正如我所说的，我很难在Python/Pandas中理解它
示例：
源数据：
LINK_NAME，CITY_NAME
林卡，Citya
林卡，城市
Linkb，Cityx
Linkb，城市
所需输出：
LINK_NAME，LINKID
林卡，CityaCityz
Linkb，Cit
浏览 3提问于2020-02-02得票数 0
我希望像下面的预期输出那样转换以下数据。第二列的值必须根据第一列中的值分组并显示在一行中。我可以在Python中使用我自己的逻辑来完成这个任务，但是我想知道Pandas或Python中的任何其他库是否提供了这样的功能来使它变得更容易。
输入：
1 A
1 B
1 B
2 D
3 A
1 C
4 D
2 A
1 A
3 B
4 A
2 D
2 C
4 C
4 B
4 A
3 A
预期结果：
1 A B B C A
2 D A D C
3 A B A
4 D
浏览 0提问于2019-04-22得票数 2
回答已采纳
3回答
我想读取指定列的字符串类型的csv文件，数据文件位于以下位置：
请下载并保存为$HOME\cbond.csv(由于GFW的原因，无法上传到dropbox和其他网盘，建国云提供英文界面，创建自己的免费账号并下载我的样本数据文件)。
import pandas as df
df = pd.read_csv('cbond.csv',sep=',',header=0, converters={'正股代码':str})
我使用转换器将csv文件中的列正股代码设置为字符串类型，并使用df.info()检查所有列的数据类型。
df.info()
<cl
浏览 31提问于2020-02-21得票数 4
回答已采纳
2回答
我有一个这样的数据帧
df = pd.DataFrame({'Name': ['Bob', 'Fob', 'Lob', 'Joe', 'Roe', 'Qoe'],
'Country': [US,UK,UK,DE,US,AU],
'Languages Known': ["Python, Java, C++","Java","Python",&
浏览 0提问于2020-10-22得票数 2
我有以下数据帧
我想添加两列“季度期间的统计总数”( "stat“的总值，没有应用参数分解)和”季度总数的百分比“--这将显示比例是如何随着时间的推移而变化的，并构建一个总和为100%的堆叠图
不幸的是，我在用"pandas方式“计算”季度统计总数“时遇到了麻烦。我最终逐个单元格地迭代数据帧，这感觉像是一个次优解，然后将一列除以另一列，得到%
for elements in df.index:
df.ix[elements,3] = df[df['period']==df.ix[elements,0]]['stat'].su
浏览 2提问于2016-08-16得票数 2
回答已采纳
我有一个尺寸为21392x1972的Python数据帧。我想要完成的是将数据帧转换为列表列表，这样我的数据帧的第一列是长列表中的第一个列表，数据帧的第二列是具有一个长列表的第二个列表，依此类推。 我尝试使用tolist()将数据帧转换为列表列表。现在发生的情况是，我的数据帧的每一行都变成了长列表中的一个列表。但是，我想要完成的是，数据框的每一列都应该成为长列表中的一个列表。我刚开始使用Pandas和Python，所以在这方面的任何帮助都是非常感谢的。干杯! import pandas as pd
mydataset = pd.read_csv('final_merged_data.c
浏览 21提问于2019-01-18得票数 0
回答已采纳
我想在Python3.6中DataFrame上的groupby结果中添加列名。
我试过这段代码：
import pandas as pd
d = {'timeIndex': [1, 1, 1, 1, 2, 2, 2], 'isZero': [0,0,0,1,0,0,0]}
df = pd.DataFrame(data=d)
df2 = df.groupby(['timeIndex'])['isZero'].sum()
print(df2)
结果
timeIndex
1 1
2 0
Name: isZero, dtype
浏览 2提问于2018-07-04得票数 11
回答已采纳
1回答
我有一个Pandas数据框，看起来像这样：
ID Management Administrative
1 1 2
3 2 1
4 3 3
10 1 3
从本质上讲，1-3是一个低、中、高的等级。我想要一个堆叠的条形图，在x轴上有管理和行政，每列的1,2,3个百分比的堆叠组成。
例如，如果如上所述只有4个条目，则1将构成高度的50%，2将构成25%，3将构成管理条高度的25%。Y轴会上升到100%。
希望这是有意义的。很难解释，但如果不清楚，愿意进
浏览 3提问于2018-11-22得票数 2
1回答
我有一个用Python编写的机器学习应用程序，其中包括一个数据处理步骤。当我编写它时，我最初在Pandas DataFrames上进行了数据处理，但是当这导致了糟糕的性能时，我最终用普通的Python重写了它，使用的是for循环，而不是矢量化的操作，列表和切分，而不是DataFrames和Series。令我惊讶的是，用vanilla编写的代码的性能最终远远高于使用Pandas编写的代码。
由于我的手工编码的数据处理代码比原来的Pandas代码要大得多，而且更加混乱，所以我还没有完全放弃使用Pandas，而且我目前正在尝试优化Pandas代码，但没有成功。
数据处理步骤的核心包括以下内容:我首先
浏览 1提问于2017-11-20得票数 37
回答已采纳
1回答
提前道歉。我是Python / Pandas的新手，所以这个问题可能提得不好。
我有一个大约有400万行和大约10列的数据帧。
我想要计算由其他每一列的不同值(例如B、C、D、E、F、G、H、I、J)定义的每一组的第一列(例如A)的平均值。这定义了大约200,000个组。
我试过groupby，例如
mytest = df.groupby(['B','C','D', 'E', 'F', 'G', 'H', 'I', 'J'])
mytest.mean(
浏览 0提问于2016-05-07得票数 1
我有一个由三列组成的文件: A、B和C，其中包含一些整数。使用python，假设我想要grouby()列'A‘，并获得列'B’中数字大于4、6和8的每个组的size()。所以我实现了下面的代码： >>> import pandas as pd
>>>
>>> df = pd.read_csv("test.txt", sep="\t")
>>> df
A B C
0 1 4 3
1 1 5
浏览 5提问于2019-06-16得票数 2
回答已采纳
1回答
使用Pandas数据帧按功能分组，我想按列分组c_b和(1)计算c_a列和c_c列的唯一计数，(2)得到列c_d的最大值。我尝试了下面的代码行，但似乎不正确。
sampleGroup = sample.groupby('c_b')(['c_a', 'c_d'].agg(pd.Series.nunique), ['c_d'].agg(pd.Series.max))
我的预期结果是，
预期结果，
c_b,c_a_unique_count,c_c_unique_count,c_d_max
python,2,2,1.0
c++,2,2,0
浏览 1提问于2016-08-28得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
