GROUPBY Pandas berechnen Prozentsatz

Question

ich ein groupby bezwecken wie folgt, nachdem ich lief:

grouped_mask=L2014_2.groupby(['state']) 
grouped_mask.mask.value_counts() 

state mask 
AL  False 105931 
     True   77 
AR  False  67788 
     True  1774 
AZ  False  90068 
     True  151 
CA  False 586184 
     True   4 
CO  False  75188 
     True  14360 
CT  False  78270 
     True   1 

Jetzt muss ich berechnen, was in jedem Zustand Prozentsatz wahr ist. Gibt es eine Möglichkeit, dies zu tun?

Answer 1

Auch können Sie die normalize Parameter die relativen Häufigkeiten zu erhalten:

grouped_mask.mask.value_counts(normalize=True) 

nur mit 100 multiplizieren die Prozentsätze :-)

Grüße zu bekommen

Answer 2

Sie können groupby auf der ersten Ebene und dann eine Lambda-Anwendung, wenn die Wahr/Falsch zählt gegen die Summe teilt:

In [20]: 
df.groupby(level=0).apply(lambda x: x/x.sum() * 100) 

Out[20]: 
       Count 
state mask    
AL False 99.927364 
     True 0.072636 
AR False 97.449757 
     True 2.550243 
AZ False 99.832629 
     True 0.167371 
CA False 99.999318 
     True 0.000682 
CO False 83.963908 
     True 16.036092 
CT False 99.998722 
     True 0.001278 

Um die oben zu filtern, dass nur die False Etiketten erhalten Sie erweiterte Indizierung verwenden können, mit slice s:

In [33]: 
gp = df.groupby(level=0).apply(lambda x: x/x.sum() * 100) 
gp.loc(axis=0)[slice(None),False] 

Out[33]: 
       Count 
state mask    
AL False 99.927364 
AR False 97.449757 
AZ False 99.832629 
CA False 99.999318 
CO False 83.963908 
CT False 99.998722 

Answer 3

gp=grouped_mask.mask.value_counts().groupby(level=0).apply(lambda x: 100*x/float(x.sum())) 

state mask 
AL  False 94.37 
     True  5.63 
AR  False 73.85 
     True  26.15 
AZ  False 91.88 
     True  8.12 
CA  False 99.57 
     True  0.43 
CO  False 64.66 
     True  35.34 
gp.sort_index(level=0) 
gp.loc(axis=0)[slice(None),False] 

KeyError: ‚Multiindex Slicing erfordert den Index komplett lexsorted Tupels len (2) zu sein, l exsort Tiefe (1)‘