这是我在数据帧“df”中的数据:
Document Name Time
SPS2315511 A 1 HOUR
SPS2315512 B 1 - 2 HOUR
SPS2315513 C 2 - 3 HOUR
SPS2315514 C 1 HOUR
SPS2315515 B 1 HOUR
SPS2315516 A 2 - 3 HOUR
SPS2315517 A 1 - 2 HOUR
我正在使用下面的代码,它为我提供了数据透视表中的计数摘要,
table = pivot_table(df, values=["Document"],
index=["Name"], columns=["Time"],
aggfunc=lambda x: len(x),
margins=True, dropna=True)
但我想要的是当您右键单击数据透视表并选择“将值显示为 -> 行总数的百分比”时,在 excel 数据透视表中的行计算百分比。由于我的 Document 是一个非数字值,我无法获得它。
预期结果 :
Count of Document Column Labels
Name 1 HOUR 1 - 2 HOUR 2 - 3 HOUR Grand Total
A 33.33% 33.33% 33.33% 100.00%
B 50.00% 50.00% 0.00% 100.00%
C 50.00% 0.00% 50.00% 100.00%
Grand Total 42.86% 28.57% 28.57% 100.00%
任何人都可以帮我找出一种方法来获得这个结果吗?
我正在尝试操纵数据透视数据,它会给我行总数,而不是来自数据帧的数据,我想要的是“行总数的百分比”。而且最重要的是我所有的数据都是非数字值......
最佳答案
@maxymoo指出的可能重复项非常接近解决方案,但是我会继续写它作为答案,因为存在一些并非完全简单的区别。
table = pd.pivot_table(df, values=["Document"],
index=["Name"], columns=["Time"],
aggfunc=len, margins=True,
dropna=True, fill_value=0)
Document
Time 1 - 2 HOUR 1 HOUR 2 - 3 HOUR All
Name
A 1 1 1 3
B 1 1 0 2
C 0 1 1 2
All 2 3 2 7
那里的主要调整是添加
fill_value=0
,因为您真正想要的是计数值为零,而不是 NaN。然后您基本上可以使用链接到的解决方案@maxymoo,但是您需要使用
iloc
或类似的 b/c 表列现在有点复杂(作为数据透视表的多索引结果)。table2 = table.div( table.iloc[:,-1], axis=0 )
Document
Time 1 - 2 HOUR 1 HOUR 2 - 3 HOUR All
Name
A 0.333333 0.333333 0.333333 1
B 0.500000 0.500000 0.000000 1
C 0.000000 0.500000 0.500000 1
All 0.285714 0.428571 0.285714 1
您仍然需要执行一些次要的格式化工作(翻转第一列和第二列并转换为%),但这是您要查找的数字。
顺便说一句,这里没有必要,但您可能想考虑将“时间”转换为有序分类变量,这将是解决列排序问题的一种方法(我认为),但可能值得也可能不值得打扰关于您对数据的其他处理。
关于python - Pandas Pivot_Table : Percentage of row calculation for non-numeric values,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/31064752/