在Pandas pivot_table中添加总百分比列

Question

我似乎搞不清楚怎么在下面的pandas透视表中，为每个提交日期的分组添加一个总数的百分比列：

In [177]: pass_rate_pivot

date_submitted  audit_status
04-11-2014      audited         140
                is_adserver       7
                rejected         75
                unauditable     257
04-18-2014      audited         177
                is_adserver      10
                pending          44
                rejected         30
                unauditable     226
04-25-2014      audited          97
                is_adserver       5
                pending          33
                rejected          9
                unauditable     355
Name: site_domain, dtype: int64

In [177]: pass_rate_pivot.to_dict()


Out[177]:
{('04-11-2014', 'audited'): 140,
 ('04-11-2014', 'is_adserver'): 7,
 ('04-11-2014', 'rejected'): 75,
 ('04-11-2014', 'unauditable'): 257,
 ('04-18-2014', 'audited'): 177,
 ('04-18-2014', 'is_adserver'): 10,
 ('04-18-2014', 'pending'): 44,
 ('04-18-2014', 'rejected'): 30,
 ('04-18-2014', 'unauditable'): 226,
 ('04-25-2014', 'audited'): 97,
 ('04-25-2014', 'is_adserver'): 5,
 ('04-25-2014', 'pending'): 33,
 ('04-25-2014', 'rejected'): 9,
 ('04-25-2014', 'unauditable'): 355}

Answer 1

最简单的方法就是在创建数据透视表的时候直接处理。在这里，我假设你有一个叫做 date_submitted 的列（它不是索引的一部分），可以使用 reset_index。同时，要确保你的数值在一个列里（我这里称这个列为 'value_col'）。然后

def calc_group_pct(df,value_var = 'value_col'):
    df['pct'] = df[value_var]/float(df[value_var].sum())
    return df
df.groupby('date_submitted').apply(calc_group_pct)

Answer 2

这就是你想要的结果吗？（对于每个组，将该组内所有元素的和进行划分）：

In [62]: pass_rate_pivot.groupby(level=0).transform(lambda x: x/x.sum())
Out[62]: 
04-11-2014  audited        0.292276
            is_adserver    0.014614
            rejected       0.156576
            unauditable    0.536534
04-18-2014  audited        0.363450
            is_adserver    0.020534
            pending        0.090349
            rejected       0.061602
            unauditable    0.464066
04-25-2014  audited        0.194389
            is_adserver    0.010020
            pending        0.066132
            rejected       0.018036
            unauditable    0.711423
dtype: float64

如果你想把这个作为一列添加进去，确实可以像@exp1orer建议的那样，把两个系列合并成一个数据框：

pd.concat([pass_rate_pivot,pass_rate_pivot_pct], axis=1)

如果pass_rate_pivot已经是一个数据框，你可以直接像这样添加一列：pass_rate_pivot['pct'] = pass_rate_pivot['原始列'].groupby(...