Skip to main content
 首页 » 编程设计

python之每组内累计运行百分比和每组降序排列python

2024年12月31日9zlslch

df = pd.DataFrame({'state': ['CA', 'WA', 'CO', 'AZ'] * 3,'id':  
       [1,2,3,4,5,6]*2 ,'sales': [np.random.randint(100000, 999999) for _ in  
        range(12)]}) 

这是 df 的输出:

    id    sales    state 
0    1    847754    CA 
1    2    362532    WA 
2    3    615849    CO 
3    4    376480    AZ 
4    5    381286    CA 
5    6    411001    WA 
6    1    946795    CO 
7    2    857435    AZ 
8    3    928087    CA 
9    4    675593    WA 
10   5    371339    CO 
11   6    440285    AZ 

我无法按降序计算每个组的累计百分比。我想要这样的输出:

    id    sales   state  cumsum      run_pct 
0    2    857435    AZ    857435     0.5121460996296738 
1    6    440285    AZ    1297720    0.7751284195436626 
2    4    376480    AZ    1674200    1.0 
3    3    928087    CA    928087     0.43024216932985404 
4    1    847754    CA    1775841    0.8232436013271356 
5    5    381286    CA    2157127    1.0 
6    1    946795    CO    946795     0.48955704367618535 
7    3    615849    CO    1562644    0.807992624547372 
8    5    371339    CO    1933983    1.0 
9    4    675593    WA    675593     0.46620721731581655 
10   6    411001    WA    1086594    0.7498271371847582 
11   2    362532    WA    1449126    1.0 

请您参考如下方法:

一个可能的解决方案是首先对数据进行排序,计算 cumsum,然后计算百分比。 按状态升序和销售额降序排序:

df = df.sort_values(['state', 'sales'], ascending=[True, False]) 

计算累积和:

df['cumsum'] = df.groupby('state')['sales'].cumsum() 

和百分比:

df['run_pct'] = df.groupby('state')['sales'].apply(lambda x: (x/x.sum()).cumsum()) 

这将给出:

    id  sales   state   cumsum  run_pct 
0   4   846079  AZ  846079  0.608566 
1   2   312708  AZ  1158787 0.833491 
2   6   231495  AZ  1390282 1.000000 
3   3   790291  CA  790291  0.506795 
4   1   554631  CA  1344922 0.862467 
5   5   214467  CA  1559389 1.000000 
6   1   983878  CO  983878  0.388139 
7   5   779497  CO  1763375 0.695650 
8   3   771486  CO  2534861 1.000000 
9   6   794407  WA  794407  0.420899 
10  2   587843  WA  1382250 0.732355 
11  4   505155  WA  1887405 1.000000