我的问题几乎与查找数据框中所有分类列中每个值的频率相同,但我需要概率,而不是频率。我们可以使用相同的示例数据框:
df = pd.DataFrame(
{'sub_code': ['CSE01', 'CSE01', 'CSE01', 'CSE02', 'CSE03', 'CSE04',
'CSE05', 'CSE06'],
'stud_level': [101, 101, 101, 101, 101, 101, 101, 101],
'grade': ['STA', 'STA', 'PSA', 'STA', 'STA', 'SSA', 'PSA', 'QSA']})
我尝试通过以下方式调整这个答案:
out = (df.select_dtypes(object)
.melt(var_name="Variable", value_name="Class")
.value_counts(dropna=False, normalize=True)
.reset_index(name="Probability")
.sort_values(by=['Variable', 'Class'], ascending=[True, True])
.reset_index(drop=True))
但是,代码不起作用,因为每个变量的类概率之和不是 1。我做错了什么?
IIUC,融化后需要在
groupby
上'Variable'
。这将为您提供 'Class'
中每个值相对于 'Variable'
中每个值的概率。
out = (
df.select_dtypes(object)
.melt(var_name="Variable", value_name="Class")
.groupby("Variable") # add this
.value_counts(dropna=False, normalize=True)
.reset_index(name="Probability")
.sort_values(by=["Variable", "Class"], ascending=[True, True])
.reset_index(drop=True)
)
Variable Class Probability
0 grade PSA 0.250
1 grade QSA 0.125
2 grade SSA 0.125
3 grade STA 0.500
4 sub_code CSE01 0.375
5 sub_code CSE02 0.125
6 sub_code CSE03 0.125
7 sub_code CSE04 0.125
8 sub_code CSE05 0.125
9 sub_code CSE06 0.125