在Pandas中，如何计算给定另一列的一组值的概率？

Question

我有一个DataFrame，其中的行表示交通事故。其中两列是Weather和Skidding：

import pandas as pd

df = pd.DataFrame({'Weather': ['rain', 'fine', 'rain', 'fine', 'snow', 'fine', 'snow'],
                   'Skidding': ['skid', 'skid', 'no skid', 'no skid', 'skid', 'no skid', 'jackknife']})

我想计算一下下雨或下雪时发生打滑或弯折的可能性有多大。到目前为止，我已经提出了一个使用布尔索引和四个辅助数据帧的解决方案：

^{pr2}$

对于本例，它的计算结果是relative_probability的3.0。不过，这似乎没有必要冗长，我想重构它。在

我试过的一个方法是

counts = df.groupby('Weather')['Skidding'].value_counts()

relative_probability = (counts['rain']['skid'] + counts['snow']['skid']
    + counts['rain']['jackknife'] + counts['snow']['jackknife']) / (counts['fine']['skid'] + counts['fine']['jackknife'])

但是，这会导致KeyError，因为jackknife并不是在每种天气情况下都会出现，而且无论如何，写出所有的术语也是冗长的。实现这一目标的更好方法是什么？在

Answer 1

您可以使用isin代替... in ... for ...理解；如果只需要末尾的数字，也不需要过滤数据帧，只需构建条件sum和{}：

rain_snow = df.Weather.isin(['rain', 'snow'])
fine = df.Weather.eq('fine')
skid = df.Skidding.isin(['skid', 'jackknife'])
​
(rain_snow & skid).sum()/(fine & skid).sum()
# 3