我有一个包含三行的数据框。 “ID”是一个人的唯一标识符。 'Group1' 和 'Group2' 是组标识符。
例如ID4曾经在B组,现在在A组。
|编号 |第 1 组 |第 2 组 | |----|--------|--------| | 1 |一个 |一个 | | 2 |一个 |一个 | | 3 |一个 |一个 | | 4 |乙 |一个 | | 5 |乙 |乙 | | 6 |乙 |乙 | | 7 |丙 |丙 | | 8 |丙 |丙 | | 9 |丙 |丙 | | 10 | D |女| | 11 | D |女| | 12 | D |女| | 13 | D |女| | 14 | D |女|
我想知道这些组的一致性如何。以前在一个组中的相同成员是否又在一个组中?
所以根据小组内的人,A 组的 75% 是一致的。 B组的66.6%是一致的。 C 组 100% 和 D 组 100% 的成员与 F 组的成员相同。
这会导致:
|编号 |第 1 组 |第 2 组 |缺点 | |----|--------|--------|--------| | 1 |一个 |一个 | 0.75 | | 2 |一个 |一个 | 0.75 | | 3 |一个 |一个 | 0.75 | | 4 |乙 |一个 | 0.75 | | 5 |乙 |乙 | 0.66 | | 6 |乙 |乙 | 0.66 | | 7 |丙 |丙 | 1.00 | | 8 |丙 |丙 | 1.00 | | 9 |丙 |丙 | 1.00 | | 10 | D |女| 1.00 | | 11 | D |女| 1.00 | | 12 | D |女| 1.00 | | 13 | D |女| 1.00 | | 14 | D |女| 1.00 |
能否就如何实现我的目标提供一些帮助?我试过 pct_change 但那行不通。
谢谢你的帮助
编辑
非常感谢您的帮助。我尝试了更多数据,但仍然有一点问题。要确保:参与者只能从 Group1 切换到 Group2
这是我想要的更多数据。如您所见(以及上表中的 ID 4),很明显新组 2 BD BD GH A 占另一组的 33%,以及组2 BD BD GH A G。 对于 ID 9 到 13,我想说第 2 组 AB 由 60% 的相同人员组成。对于 Group2 DF DC(ID 14),我想说的是,这个组由 33% 的人组成。
ID Group1 Group2 缺点 0 A001 BD BD GH A BD BD GH A 0.333333 1 A002 BD BD GH A BD BD GH A 0.333333 2 A003 BD BD GH A BD BD GH A 0.333333 3 A004 BD BD GH A BD BD GH A G 0.333333 4 A005 BD BD GH A BD BD GH A G 0.333333 5 A006 BD BD GH A BD BD GH A G 0.333333 6 A007 BD BD GH A BD BD GH A F 0.333333 7 A008 BD BD GH A BD BD GH A F 0.333333 8 A009 BD BD GH A BD BD GH A F 0.333333 9 A010 AB 0.600000 10 A011 AB 0.600000 11 A012 AB 0.600000 12 A013 DF 直流 AB 0.600000 13 A014 DF 直流 AB 0.600000 14 A015 DF 直流 DF 直流 0.333333 15 A016 AB CDE FGHI-JSHD JS AN CDE FGHI-JSHD JS 1.000000 16 A017 HD MV APS MG HD NV ALS BA HDJ 1.000000 17 A018 LA JF NV WJ LA JF NV OHB 1.000000
我觉得这是从现在开始的一小步,但我不知道如何调整这两个代码中的任何一个来解决我的问题。
我希望这有助于澄清我的问题。如果我对此不清楚,我很抱歉。
再次感谢您的帮助。
请您参考如下方法:
您可以将 groupby 和 transform 与自定义一致性函数一起使用。首先,创建一些示例数据(注意:G_Source 对应于您的 G2 而 G_Target 对应于您示例中的 G1 ):
创建示例数据
import pandas as pd
import numpy as np
values = np.random.randint(0, 5, size=(10, 2))
columns = ["G_Source", "G_Target"]
df = pd.DataFrame(values, columns=columns).sort_values("G_Source")
print(df)
G_Source G_Target
0 0 3
3 0 2
4 0 4
5 0 4
7 0 1
8 1 3
9 2 0
6 3 2
1 4 1
2 4 2
接下来,让我们定义一致性函数。基本上,我们正在寻找最常见值的计数。因此,很容易将 value_counts 与 max 结合使用。
定义一致性函数
def get_consistency(series):
max_common = series.value_counts().max()
size = series.shape[0]
return max_common / size
Groupby 和转换
接下来,我们按源组 (G_Source) 分组,并通过 transform 计算目标组 (G_Target) 的一致性。
df["consistency"] = df.groupby("G_Source")["G_Target"].transform(get_consistency)
print(df)
G_Source G_Target consistency
0 0 3 0.4
3 0 2 0.4
4 0 4 0.4
5 0 4 0.4
7 0 1 0.4
8 1 3 1.0
9 2 0 1.0
6 3 2 1.0
1 4 1 0.5
2 4 2 0.5
