pandas计算占比|极客笔记

pandas计算占比

在数据分析的过程中，经常需要计算各个数据项所占比例，比如销售额在总销售额中的占比、某个商品的销量在总销量中的占比等。使用Python的pandas库可以很方便地进行这种计算。本文将介绍如何使用pandas计算各项数据的占比。

导入pandas库

首先，我们需要导入pandas库：

import pandas as pd

创建示例数据

为了演示如何计算占比，我们先创建一个包含销售额的DataFrame：

data = {'product': ['A', 'B', 'C', 'D'],
        'sales': [1000, 1500, 800, 1200]}
df = pd.DataFrame(data)

这里创建了一个DataFrame，包含了产品名称和销售额两列数据。下面是DataFrame的内容：

  product  sales
0       A   1000
1       B   1500
2       C    800
3       D   1200

计算销售额的占比

接下来，我们将计算销售额在总销售额中的占比。首先，我们可以计算总销售额：

total_sales = df['sales'].sum()

然后，我们可以将每个产品的销售额除以总销售额，得到销售额的占比：

df['sales_percentage'] = df['sales'] / total_sales

现在，DataFrame中新增了一列sales_percentage，存储了每个产品销售额在总销售额中的占比。下面是DataFrame的内容：

  product  sales  sales_percentage
0       A   1000             0.250
1       B   1500             0.375
2       C    800             0.200
3       D   1200             0.300

计算占比的格式化显示

有时候我们需要将占比格式化为百分比形式显示，可以使用map函数结合lambda表达式对占比进行格式化：

df['sales_percentage'] = df['sales_percentage'].map(lambda x: '{:.2%}'.format(x))

这里使用'{:.2%}'.format()将小数转换为百分比，并保留两位小数。现在DataFrame中的sales_percentage列将以百分比形式显示。

下面是格式化后的DataFrame内容：

  product  sales sales_percentage
0       A   1000           25.00%
1       B   1500           37.50%
2       C    800           20.00%
3       D   1200           30.00%

计算多个数据项的占比

除了单个数据项的占比，有时候我们需要计算多个数据项在总量中的占比。比如，我们有一个包含不同地区销售额的DataFrame：

data = {'region': ['North', 'South', 'East', 'West'],
        'sales': [5000, 3000, 4000, 2500]}
df = pd.DataFrame(data)

现在的DataFrame包含了地区和销售额两列数据。我们可以按照同样的方法计算销售额的占比：

total_sales = df['sales'].sum()
df['sales_percentage'] = df['sales'] / total_sales
df['sales_percentage'] = df['sales_percentage'].map(lambda x: '{:.2%}'.format(x))

这里计算了各个地区销售额在总销售额中的占比，并格式化显示。

下面是计算后的DataFrame内容：

  region  sales sales_percentage
0  North   5000           38.46%
1  South   3000           23.08%
2   East   4000           30.77%
3   West   2500           19.23%