如何解决熊猫分组后如何计算自定义聚合
我有如下所示的数据框df
ID COMMODITY_CODE DELIVERY_TYPE DAY Window_start_time case_qty deliveries
6042.0 SCGR Live 1.0 15:00 15756.75 7.75
6042.0 SCGR Live 1.0 18:00 15787.75 5.75
6042.0 SCGR Live 1.0 21:00 10989.75 4.75
6042.0 SCGR Live 2.0 15:00 21025.25 9.00
6042.0 SCGR Live 2.0 18:00 16041.75 5.75
我想在下面的输出中按ID，COMMODITY_CODE，DELIVERY_TYPE，DAY分组，并在case_qty_ratio和dlvry_ratio下方进行计算，如下所示
ID COMMODITY_CODE DELIVERY_TYPE DAY case_qty deliveries dlvry_ratio case_qty_ratio
6042.0 SCGR Live 1.0. 15756.75 7.75 0.42 0.37
6042.0 SCGR Live 1.0. 15787.75 5.75. 0.31. 0.37
6042.0 SCGR Live 1.0. 10989.75 4.75. 0.26. 0.25
6042.0 SCGR Live 2.0. 21025.25 9.00. 0.61. 0.56
6042.0 SCGR Live 2.0. 16041.75 5.75. 0.39 0.44
我尝试使用lambda函数在下面的代码中汇总这些信息
df.groupby(['ID','COMMODITY_CODE','DELIVERY_TYPE','DAY'] \,as_index=False) \
.agg( \
delivery_ratio=("deliveries",lambda x: x / x.sum()),\
case_ratio=(lambda x: x/ x.sum() ) /
但这没用。任何帮助将不胜感激
解决方法
改为尝试这种方式：
df[['case_ratio','delivery_ratio']] = df.groupby(['ID','COMMODITY_CODE','DELIVERY_TYPE','DAY'],as_index=False)[['case_qty','deliveries']]\
.transform(lambda x: x/x.sum())
输出：
ID COMMODITY_CODE DELIVERY_TYPE DAY Window_start_time case_qty deliveries case_ratio delivery_ratio
0 6042.0 SCGR Live 1.0 15:00 15756.75 7.75 0.370449 0.424658
1 6042.0 SCGR Live 1.0 18:00 15787.75 5.75 0.371177 0.315068
2 6042.0 SCGR Live 1.0 21:00 10989.75 4.75 0.258374 0.260274
3 6042.0 SCGR Live 2.0 15:00 21025.25 9.00 0.567223 0.610169
4 6042.0 SCGR Live 2.0 18:00 16041.75 5.75 0.432777 0.389831
类似于Scott的答案，只是transform('sum')然后除以：
cols = ['case_qty','deliveries']
df = df.join(df[cols].div(df.groupby(['ID','DAY'])
[cols].transform('sum')
)
.add_suffix('_ratio')
)
输出：
ID COMMODITY_CODE DELIVERY_TYPE DAY Window_start_time case_qty \
0 6042.0 SCGR Live 1.0 15:00 15756.75
1 6042.0 SCGR Live 1.0 18:00 15787.75
2 6042.0 SCGR Live 1.0 21:00 10989.75
3 6042.0 SCGR Live 2.0 15:00 21025.25
4 6042.0 SCGR Live 2.0 18:00 16041.75
deliveries case_qty_ratio deliveries_ratio
0 7.75 0.370449 0.424658
1 5.75 0.371177 0.315068
2 4.75 0.258374 0.260274
3 9.00 0.567223 0.610169
4 5.75 0.432777 0.389831
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。