我有一个如下所示的数据框,我想要的是对“ nom_1”列中的每个元素进行对应的target_1到target_0的除法。因此,对于"Circle"
,对于"id"
的"target_1"
是9168,对于"id"
的"target_0"
是28152。我需要除以9168/28152。我可以手动执行此操作,但是我需要将其自动化,因为会有更多具有不同唯一值的数据框。
结果,我需要创建一个看起来像这样的字典:
{'Circle': 0.3705589911482963, 'Polygon': 0.34775978284076003, 'Square': 0.5312055617001106, 'Star': 0.19850208121615415, 'Trapezoid': 1.5383163853653423}
注意:这些数字并不代表实际结果,只是我想要的格式
到目前为止,这是我的代码:
nom_1 target id
0 Circle 0 28152
1 Circle 1 9168
2 Polygon 0 24741
3 Polygon 1 11402
4 Square 0 32787
5 Square 1 16810
6 Star 0 31645
7 Star 1 14259
8 Trapezoid 0 71833
9 Trapezoid 1 29348
10 Triangle 0 19078
11 Triangle 1 10777
nom_1_dat = train.groupby(["nom_1","target"]).count()[["id"]].reset_index()
print(nom_1_dat)
nom_1_dict = {}
i_list = []
for i,element in enumerate(nom_1_dat["nom_1"]):
i_list.append(i)
for i,element in enumerate(nom_1_dat["nom_1"]):
if (i+1) < max(i_list):
nom_1_dict[element] = (nom_1_dat["id"][i+1])/(nom_1_dat["id"][i])
print(nom_1_dict)
最佳答案
给定以下数据框:
df=pd.DataFrame([['Circle', 'Circle', 'Polygon', 'Polygon'], [0, 1, 0, 1], [28152, 9168, 24741, 11402]], ['nom_1', 'target', 'id']).T
nom_1 target id
0 Circle 0 28152
1 Circle 1 9168
2 Polygon 0 24741
3 Polygon 1 11402
使用groupby.agg尝试以下代码:
df_res = df.groupby('nom_1').agg({'id': lambda row_id: row_id[1]/row_id[0]})
或等效地,使用groupby.apply:
df_res = df.groupby('nom_1').apply(lambda row: (row[row.target==1]['id'].iloc[0]/row[row.target==0]['id'].iloc[0]))
在两种情况下都给出:
id
nom_1
Circle 0.325661
Polygon 0.460854
如果要将结果转换为字典:
dict_res = df_res.to_dict()['id']
# output: {'Circle': 0.3256606990622336, 'Polygon': 0.46085445212400467}
关于python - 在对应于另外两个列及其关系的列中划分2行(Python),我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/58079413/