#python #pandas #string #algorithm #percentage
#python #pandas #строка #алгоритм #процент
Вопрос:
я новичок в Python и пытаюсь понять манипулирование данными
df
Alpha AlphaComboCount
12-99 8039
22-99 1792
12-99,138-99 1776
12-45,138-45 1585
21-99 1225
123-99 1145
121-99 1102
21-581 1000
121-99,22-99 909
32-99 814
21-141 75
12-581,12-99 711
347-99 685
2089-281 685
123-49,121-29,22-79 626
121-99,123-99,22-99 4
Как вы можете видеть выше, есть два столбца. Альфа — это строка, состоящая из объединения 2 кодов, разделенных символом ‘-‘. Моя цель — найти совокупный процент от alphacombocount по первому коду.
Например:
где имеется 21 подкод-
Alpha AlphaComboCount Percent
21-99 1225 53%
21-141 75 3.2%
21-581 1000 43.3%
Цель, как вы видите выше, состоит в том, чтобы получить соответствующий процент. поскольку общее объединение здесь составляет 2300 из 21 подкода.
Где это становится более сложным, так это для комбинированных кодов:
123-49,121-29,22-79 626 99%
121-99,123-99,22-99 4 0.6%
Как вы видите выше, все первые вложенные коды одинаковы, но переставлены. Это также допустимый случай для получения процентных значений. При условии, что комбинация совпадает с первым подкодом перед ‘-‘. Как я могу сделать это, чтобы получить процентные значения для всех альфа-комбинаций? существует ли алгоритм для этого?
Ответ №1:
Сначала вы хотите разделить коды внутри ячейки, затем вы можете извлечь первый код и сгруппировать его:
# separate the codes
tmp = df.assign(FirstCode=df.Alpha.str.split(','))
# extract the first code
tmp['FirstCode'] = [tuple(sorted(set(x.split('-')[0] for x in cell)))
for cell in tmp.FirstCode]
# sum per each first codes with groupby
sum_per_code = tmp['AlphaComboCount'].groupby(tmp['FirstCode']).transform('sum')
# percentage is just a simple division
tmp['Percent'] = tmp['AlphaComboCount']/sum_per_code
# let's print the output:
print(tmp.sort_values('FirstCode'))
Вывод:
Alpha AlphaComboCount FirstCode Percent
0 12-99 8039 (12,) 0.918743
11 12-581,12-99 711 (12,) 0.081257
2 12-99,138-99 1776 (12, 138) 0.528414
3 12-45,138-45 1585 (12, 138) 0.471586
6 121-99 1102 (121,) 1.000000
14 123-49,121-29,22-79 626 (121, 123, 22) 0.993651
15 121-99,123-99,22-99 4 (121, 123, 22) 0.006349
8 121-99,22-99 909 (121, 22) 1.000000
5 123-99 1145 (123,) 1.000000
13 2089-281 685 (2089,) 1.000000
4 21-99 1225 (21,) 0.532609
7 21-581 1000 (21,) 0.434783
10 21-141 75 (21,) 0.032609
1 22-99 1792 (22,) 1.000000
9 32-99 814 (32,) 1.000000
12 347-99 685 (347,) 1.000000
Комментарии:
1. @JoeTha откуда ты взял
3000? В моем выводе это1225/(75 1225 1000) = 0.43432. Куанг, пожалуйста, примите мои извинения. с моей стороны это была ошибка. но проблема по-прежнему сохраняется в отношении комбинационных кодов. Как вы видите в моем исходном фрейме данных (df). последние две строки данных. они не могут быть полностью разделены, потому что это комбинация, которая создает подкод. я имею в виду, что процентное значение должно применяться в той же логике, о которой я упоминал во второй половине моего вопроса, поскольку 123,121,22 образуют категорию подкода, на основе которой должен быть определен процент. общее количество которых в данном случае равно 630
3. @JoeTha посмотрите мой обновленный ответ, если это то, что вам нужно.
Ответ №2:
Если у вас есть несколько кодов в столбце Alpha в разном порядке, то одним из возможных решений является извлечение одного из них (например, минимального), затем возьмите часть перед ‘-‘, сохраните ее в новом столбце и используйте в дальнейшей обработке:
df['Alpha_1'] = df.Alpha.str.split(',')
.apply(lambda lst: min(lst)).str.split('-', expand=True)[0]
Результатом является:
Alpha AlphaComboCount Alpha_1
0 12-99 8039 12
1 22-99 1792 22
2 12-99,138-99 1776 12
3 12-45,138-45 1585 12
4 21-99 1225 21
5 123-99 1145 123
6 121-99 1102 121
7 21-581 1000 21
8 121-99,22-99 909 121
9 32-99 814 32
10 21-141 75 21
11 12-581,12-99 711 12
12 347-99 685 347
13 2089-281 685 2089
14 123-49,121-29,22-79 626 121
15 121-99,123-99,22-99 4 121
Для вычисления процента от AlphaComboCount в каждой группе (с
конкретное значение Alpha_1), определите следующую функцию:
def proc(grp):
return (grp.AlphaComboCount / grp.AlphaComboCount.sum()
* 100).apply('{0:.2f}%'.format)
Сгруппируйте df по Alpha_1 и примените эту функцию, сохранив результат
в столбце Grp_pct:
df['Grp_pct'] = df.groupby('Alpha_1').apply(proc).reset_index(level=0, drop=True)
Чтобы легко проверить результат, используя строки из каждой группы вместе,
выведите df следующим образом:
print(df.sort_values('Alpha_1'))
получение:
Alpha AlphaComboCount Alpha_1 Grp_pct
0 12-99 8039 12 66.38%
2 12-99,138-99 1776 12 14.66%
3 12-45,138-45 1585 12 13.09%
11 12-581,12-99 711 12 5.87%
6 121-99 1102 121 41.73%
8 121-99,22-99 909 121 34.42%
14 123-49,121-29,22-79 626 121 23.70%
15 121-99,123-99,22-99 4 121 0.15%
5 123-99 1145 123 100.00%
13 2089-281 685 2089 100.00%
4 21-99 1225 21 53.26%
7 21-581 1000 21 43.48%
10 21-141 75 21 3.26%
1 22-99 1792 22 100.00%
9 32-99 814 32 100.00%
12 347-99 685 347 100.00%
Теперь, например, сравните раздел, касающийся Alpha_1 == 21, с
ваш ожидаемый результат для подкода 21.