Python Pandas GroupBy％の計算

Question

私は2列のデータフレームを持っています。私は次のようにIDのレコード数にタイプBの％を計算しようとしている：

式：（タイプBのカウント）/（グループ内のレコードはありません）* 100

Result : 
001 = (2/3) * 100 => 66.66 
002 = (0/2) * 100 => 0 
003 = (1/1) * 100 => 100 

DATAFRAME

を

ID Type 
001 TypeA 
001 TypeB 
001 TypeB 
002 TypeA 
002 TypeA 
003 TypeB 

だから、これまで私は、私はパンダのクロス集計を読んでいた

byID = df.groupby('ID') 

をGROUPBYすることができましたが、それに見えることはできません100で最後の複数

が

Answer 1

あなたは0でNaNを充填してunstackによって再形成した後、sumで列TypeBを分割、最初のグループのカウント長さsizeでgroupbyを使用することができるソリューションを、アプローチする方法を見つけ出す：

df = df.groupby(['ID','Type']).size().unstack(fill_value=0) 
print (df) 
Type TypeA TypeB 
ID     
1   1  2 
2   2  0 
3   0  1 

df1 = df.TypeB.div(df.sum(axis=1)).mul(100).reset_index(name='percentage') 
print (df1) 
    ID percentage 
0 1 66.666667 
1 2 0.000000 
2 3 100.000000 

リシェイプ用

が可能使用crosstabであるが、それは、より大きなデータフレームのビットslowierです：

df = pd.crosstab(df.ID,df.Type) 
print (df) 
Type TypeA TypeB 
ID     
1   1  2 
2   2  0 
3   0  1 

EDIT：

あなたは新しい列を追加するためのmapを使用することができます。

df1 = df.groupby(['ID','Type']).size().unstack(fill_value=0) 
print (df1) 
Type TypeA TypeB 
ID     
1   1  2 
2   2  0 
3   0  1 

df2 = df1.TypeB.div(df1.sum(axis=1)).mul(100) 
print (df2) 
ID 
1  66.666667 
2  0.000000 
3 100.000000 
dtype: float64 

df['percentage'] = df.ID.map(df2) 
print (df) 
    ID Type percentage 
0 1 TypeA 66.666667 
1 1 TypeB 66.666667 
2 1 TypeB 66.666667 
3 2 TypeA 0.000000 
4 2 TypeA 0.000000 
5 3 TypeB 100.000000 

Answer 2

使用groupby
normalizevalue_counts(normalize=True)と、自動的に合計でカウントを分割します。

df.groupby('ID').Type.value_counts(normalize=True).unstack(fill_value=0).TypeB 

ID 
001 0.666667 
002 0.000000 
003 1.000000 
Name: TypeB, dtype: float64