在Pandas数据框中，如何获取满足特定条件的行（字符串）所占的百分比？

Question

I have this data frame:

df = pd.DataFrame({"A": ["Used", "Not used", "Not used", "Not used", "Used",
                         "Not used", "Used", "Used", "Used", "Not used"],
                   "B": ["Used", "Used", "Used", "Not used", "Not used",
                        "Used", "Not used", "Not used", "Used", "Not used"]})

我想找到最快、最干净的方法来查找以下内容：

• 使用A的所有行中占所有行的百分比。
• 使用B的所有行中占所有行的百分比。
• 同时使用A和B的所有行中占所有行的百分比。

我对Python和pandas（以及编程总体）都很新手，所以我确信这非常简单，但是任何指导都将不胜感激。我尝试过groupby().aggregate(sum)，但没有得到我需要的结果（我想象是因为这些是字符而不是整数）。

- BadAtCoding

Answer 1

如果需要所有值的百分比，请使用value_counts和normalize=True，对于多个列，请使用groupby和size获取所有配对的长度，并将其除以df的长度（与索引长度相同）：

print (100 * df['A'].value_counts(normalize=True))
Not used    50.0
Used        50.0
Name: A, dtype: float64

print (100 * df['B'].value_counts(normalize=True))
Not used    50.0
Used        50.0
Name: B, dtype: float64

print (100 * df.groupby(['A','B']).size() / len(df.index))
A         B       
Not used  Not used    20.0
          Used        30.0
Used      Not used    30.0
          Used        20.0
dtype: float64

---

如果需要过滤数值，请创建掩码并获取平均值 - True将被处理为1。

print (100 * df['A'].eq('Used').mean())
#alternative
#print (100 * (df['B'] == 'Used').mean())
50.0

print (100 * df['B'].eq('Used').mean())
#alternative
#print (100 * (df['B'] == 'Used').mean())
50.0

print (100 * (df['A'].eq('Used') & df['B'].eq('Used')).mean())
20.0

- jezrael

Answer 2

使用

1）使用 A

In [4929]: 100.*df.A.eq('Used').sum()/df.shape[0]
Out[4929]: 50.0

2) 使用的B

In [4930]: 100.*df.B.eq('Used').sum()/df.shape[0]
Out[4930]: 50.0

3）已使用的A和已使用的B

In [4931]: 100.*(df.B.eq('Used') & df.A.eq('Used')).sum()/df.shape[0]
Out[4931]: 20.0

1) is same as

In [4933]: 100.*(df['A'] == 'Used').sum()/len(df.index)
Out[4933]: 50.0

- Zero