如何通过两个分组变量从 pandas groupby 获取相对频率？

Question

假设我的数据如下：

import datetime
import pandas as pd
df = pd.DataFrame({'datetime': [datetime.datetime(2024, 11, 27, 0), datetime.datetime(2024, 11, 27, 1), datetime.datetime(2024, 11, 28, 0),
                               datetime.datetime(2024, 11, 28, 1), datetime.datetime(2024, 11, 28, 2)],
                  'product': ['Apple', 'Banana', 'Banana', 'Apple', 'Banana']})



    datetime            product
0   2024-11-27 00:00:00 Apple
1   2024-11-27 01:00:00 Banana
2   2024-11-28 00:00:00 Banana
3   2024-11-28 01:00:00 Apple
4   2024-11-28 02:00:00 Banana

我想要的只是绘制每天销售产品的相对频率。在此示例中，2024 年 11 月 27 日销售 1/2 (50%) 的苹果和 1/2 的香蕉。 2024 年 11 月 28 日当天有 1/3 个苹果和 2/3 个香蕉

---

我设法做到的：

absolute_frequencies = df.groupby([pd.Grouper(key='datetime', freq='D'), 'product']).size().reset_index(name='count')
total_counts = absolute_frequencies.groupby('datetime')['count'].transform('sum')
absolute_frequencies['relative_frequency'] = absolute_frequencies['count'] / total_counts
absolute_frequencies.pivot(index='datetime', columns='product', values='relative_frequency').plot()

我非常有信心，有一种更简单的方法，因为对于绝对频率我只需使用：

df.groupby([pd.Grouper(key='datetime', freq='D'), 'product']).size().unstack('product').plot(kind='line')

Answer 1

您可以将

crosstab

与

normalize

:

pd.crosstab(df['datetime'].dt.normalize(), df['product'], normalize='index')

输出：

product        Apple    Banana
datetime                      
2024-11-27  0.500000  0.500000
2024-11-28  0.333333  0.666667