我有一个像下面提到的那样的简单数据框。
如何根据Column_2和Column_3统计Column_1出现的概率?
Column_1 是一个结果(1 或 0)。
Column_2 Column_3 是一种分类。
所以第一行表示 1 的人住在 A 号楼,有车是型号 LM。
Column_1 Column_2 Column_3
1 A LM
1 B LO
0 C LP
1 D LM
0 A LK
1 A LM
如果我理解正确,结果可能是
LM LO LP LK
A .33 0
B .167
C 0
D .167
请您参考如下方法:
您可以使用 pivot_table :
print (df.pivot_table(index='Column_2',
columns='Column_3',
values='Column_1',
aggfunc='sum',
fill_value=0))
Column_3 LK LM LO LP
Column_2
A 0 2 0 0
B 0 0 1 0
C 0 0 0 0
D 0 1 0 0
另一种使用 groupby 和 unstack 的解决方案:
df1 = df.groupby(['Column_2','Column_3'])['Column_1'].sum().unstack(fill_value=0)
print (df1)
Column_3 LK LM LO LP
Column_2
A 0 2 0 0
B 0 0 1 0
C 0 0 0 0
D 0 1 0 0
最后你可以除以 div index 的length - 它是df 的length:
print (df1.div(len(df.index)))
Column_3 LK LM LO LP
Column_2
A 0.0 0.333333 0.000000 0.0
B 0.0 0.000000 0.166667 0.0
C 0.0 0.000000 0.000000 0.0
D 0.0 0.166667 0.000000 0.0
