如何按列汇总 pandas 数据框分组中的百分比使用数据

Question

我需要按服务器名称统计使用百分比的出现次数。我有这个数据框。

df

Server     Bandwidth  1-Jun  6-June 12-Jun  1-Jul
ServerA    10000      5000    6000    7500    8000
ServerB    100000     60000   80000   75000   80000
ServerC    20000      5000    6000    7500    8000
ServerD    30000      5000    6000    7500    8000
ServerF    10000      5000    6000    7500    8000
ServerX    5000       5000    6000    7500    8000

第一。我需要计算给定带宽的每月使用百分比。

cols=df.columns(difference(['Server','Bandwidth'], sort=false
out=df[cols].div(df['Bandwidth'], axis=0, combine_first(df)[list(df)]

我得到这个输出：

out

Server     Bandwidth  1-Jun  6-June 12-Jun  1-Jul
ServerA    10000      0.50   0.60    0.75    0.80
ServerB    100000     0.60   0.80    0.75    0.80
ServerC    20000      0.25   0.30    0.38    0.40

等等

接下来，我需要将使用百分比数据放入箱中，70%-80%、80%-90%、90%-100%、100%+

结果数据框需要是这样的：

result_df

Server     Bandwidth  70%-80%  80%-90%  90%-100%  100%+
ServerA    10000      1        1        0          0
ServerB    100000     1        2        0          0
ServerC    20000      0        0        0          0

等等

如何统计pandas中服务器分组出现的百分比？

Answer 1

我使用 unstack 重塑：

ndf = df.set_index(['Server', 'Bandwidth']).stack() \
    .reset_index().rename(columns={'level_2': 'date', 0: 'usage'})

然后创建类别：

ndf['utilisation'] = ndf['usage'] / ndf['Bandwidth']
ndf['cat'] = pd.cut(ndf['utilisation'] * 100, [70, 80, 90, 99, 100], right=False)

然后我对服务器和类别进行聚合，计算单个列（使用哪个特定列实际上并不重要）。

>>> ndf.groupby(['Server', 'cat'])['utilisation'].count().unstack()
cat      [70, 80)  [80, 90)  [90, 99)  [99, 100)
Server                                          
ServerA         1         1         0          0
ServerB         1         2         0          0
ServerC         0         0         0          0
ServerD         0         0         0          0
ServerF         1         1         0          0
ServerX         0         0         0          0