在 Pandas 数据透视表中，如何为数据子集定义函数？

如何解决在 Pandas 数据透视表中，如何为数据子集定义函数？

我正在使用与此类似的数据框：

姓名	指标 1	指标 2	国家
约翰	0.10	5.00	加拿大
简	0.50		加拿大
杰克	2.00		加拿大
波莉	0.30		加拿大
迈克			加拿大
史蒂夫			加拿大
百合	0.15	1.20	加拿大
凯特	3.00		加拿大
爱德华	0.05		加拿大
皮特	0.02	0.03	加拿大

我正在尝试定义一个函数，该函数将计算大于 1 具有指标的行的指标的百分比。我希望对于指标 1，我应该得到 25%，对于指标 2，我应该得到 66%。但是，我的函数是根据总行数返回结果。这是我的代码：

import pandas as pd
import io
df = pd.read_csv(io.BytesIO(data_to_load['metric data.csv']))

df = df.fillna(0)

def metricgreaterthanone(x):
  return (x>1).sum()/len(x!=0)

pd.pivot_table(df,index=['Country'],values=["Name","Metric 1","Metric 2"],aggfunc={'Name':pd.Series.nunique,"Metric 1":metricgreaterthanone,"Metric 2":metricgreaterthanone})

我得到的结果是：

国家	指标 1	指标 2	姓名
加拿大	0.2	0.2	10

因此该函数返回所有大于 1 的行的百分比。有关如何解决此问题的任何想法？

解决方法

x!=0 返回一个布尔数组，因此 len() 不计算 True 的数量。

试试

def metricgreaterthanone(x):
  return (x>1).sum()/(x!=0).sum()

,

您似乎有空字符串 "" 而不是数字。你可以试试：

def metricgreaterthanone(x):
    n = pd.to_numeric(x,errors="coerce")
    return (n > 1).sum() / n.notna().sum()


x = pd.pivot_table(
    df,index=["Country"],values=["Name","Metric 1","Metric 2"],aggfunc={
        "Name": pd.Series.nunique,"Metric 1": metricgreaterthanone,"Metric 2": metricgreaterthanone,},)
print(x)

打印：

         Metric 1  Metric 2  Name
Country                          
Canada       0.25  0.666667    10