从pd数据帧获得联合概率

如何解决从pd数据帧获得联合概率

我有以下数据框

{'state': {7192: 'healthy',7193: 'healthy',7194: 'healthy',7195: 'Non healthy',7196: 'Non healthy'},'type': {7192: 'W',7193: 'A',7194: 'W',7195: 'W',7196: 'A'}}

我想拥有与此df相关的联合概率。

P（状态=健康，类型= A），P（状态=健康，类型= W） P（状态=不健康，类型= A），P（状态=不健康，类型= W）

我尝试了groupby方法，但是没有用。最有效的方法是什么。

编辑：为了澄清一点，我想计算每对夫妇（状态，类型）的出现。在上面的示例中，这应该是 P（状态=健康，类型= A）= 1/5，P（状态=健康，类型= W）= 2/5 P（状态=不健康，类型= A）= 1/5，P（状态=不健康，类型= W）= 1/5

谢谢

解决方法

好像您可以使用DataFrame.value_counts(normalize=True)来实现所需的功能。请注意，DataFrame.value_counts是pandas> = 1.1.0的新内容。如果您使用的是旧版本，则可以使用其他方法来达到相同的结果。

首先将您的词典转换为pd.DataFrame：

df = pd.DataFrame(data)

熊猫版本> = 1.1.0

probs = df.value_counts(["state","type"],normalize=True)

print(probs)
healthy      W       0.4
             A       0.2
Non healthy  W       0.2
             A       0.2

# Select individual probabilitiy:
healthy_a_prob = probs[("healthy","A")]

print(healthy_a_prob)
0.2

如果您的熊猫早于1.1.0，则将上面示例中的第一行替换为：

probs = df.groupby("state")["type"].value_counts() / len(df)

# rest is the exact same

如果要使用交叉表的概率表，建议将pd.crosstab与normalize=True结合使用：

crosstab_ptable = pd.crosstab(df["state"],df["type"],normalize=True)

print(crosstab_ptable)
type           A    W
state
Non healthy  0.2  0.2
healthy      0.2  0.4

如果您也对边际概率感兴趣，则可以使用margins参数：

crosstab_ptable = pd.crosstab(df["state"],margins=True,normalize=True)

print(crosstab_ptable)
type           A    W  All
state
Non healthy  0.2  0.2  0.4
healthy      0.2  0.4  0.6
All          0.4  0.6  1.0