python - 在 pandas 数据框中组合 groupby 后创建共享变量

Question

我无法描述我的问题，所以我会直接进入。下面是一些测试数据:

import pandas as pd
df = pd.DataFrame(data={"family":["Smith","Miller","Simpson","Miller","Simpson","Smith","Miller","Simpson","Miller"],
                    "first_name":["Anna","Bart","Lisa","Ida","Paul","Bridget","Harry","Dustin","George"],
                    "shirt_color":["green","yellow","red","yellow","green","red","yellow","red","red"]})

现在我想在我的原始数据框中创建一个新列，其中包含每个家庭的 shirt_color 份额，因此每一行都包含例如family Miller 和 shirt_color yellow 具有相同的值 0.75 等。

我尝试了几种方法，但没有任何一种成功。

df = df.groupby("family").apply(lambda x: x.groupby("shirt_color").apply(lambda x: x.size()/familysize))

这看起来很有希望，但如您所见，我无法再访问最后一个 lambda 函数中的家庭成员数量。我还尝试创建一个只有 family 的 groupby 对象并遍历数据帧，将所有数据帧单独按颜色分组，但不知何故我最终无法将数据帧放回一个。

对于数据框来说，这似乎不是一件非常奇特的事情，所以我确信有一种简单的方法可以做到这一点，但我没有主意。

非常感谢您的提前帮助!

Answer 1

在我看来，您应该避免使用 apply，因为这会导致效率低下的 Python 级循环。这是使用 GroupBy + transform 的替代解决方案:

f = df.groupby('family')['first_name'].transform('size')
g = df.groupby(['family', 'shirt_color'])['first_name'].transform('size')

df['ratio'] = g / f

print(df)

    family first_name shirt_color     ratio
0    Smith       Anna       green  0.500000
1   Miller       Bart      yellow  0.750000
2  Simpson       Lisa         red  0.666667
3   Miller        Ida      yellow  0.750000
4  Simpson       Paul       green  0.333333
5    Smith    Bridget         red  0.500000
6   Miller      Harry      yellow  0.750000
7  Simpson     Dustin         red  0.666667
8   Miller     George         red  0.250000