pandas groupby：如何计算总数的百分比？

Question

如何计算显示groupby中总数百分比的列？

一种方式来做到这一点是在gorupby后手动计算的话，在这个例子中的最后一行：

import numpy as np 
import pandas as pd 
df= pd.DataFrame(np.random.randint(5,8,(10,4)), columns=['a','b','c','d']) 
g = df.groupby('a').agg({'b':['sum','mean'], 'c':['sum'], 'd':['sum']}) 
g.columns = g.columns.map('_'.join) 
g['b %']=g['b_sum']/g['b_sum'].sum() 

然而，在我真实的数据，我还有更多的列，而且我在求和之后需要％，所以用这种方法我不得不手动改变列的顺序。

是否有一个更直接的方法来做到这一点，使得％是总和之后的列？请注意，我需要agg（）或类似的东西，因为在我所有的groupbys中，我将不同的聚合函数应用于不同的列（例如x的sum和avg，但只有y的最小值等）。

谢谢！

Answer 1

我认为你需要在agglambda function然后replace列名%：

np.random.seed(78) 
df= pd.DataFrame(np.random.randint(5,8,(10,4)), columns=['a','b','c','d']) 

g =(df.groupby('a') 
     .agg({'b':['sum',lambda x: x.sum()/ df['b'].sum(),'mean'], 
      'c':['sum'], 
      'd':['sum']})) 
g.columns = g.columns.map('_'.join).str.replace('<lambda>','%') 

print (g) 

    d_sum c_sum b_sum  b_% b_mean 
a          
5  25  24  24 0.387097  6 
6  11  11  14 0.225806  7 
7  22  23  24 0.387097  6