利用pandas求表格分组频率

利用pandas可以根据表中的一列来进行分组，之后可以利用.mean()分组求平均，.count分组求和，但碰到了一个特殊情况需要求每组里每个数出现的频率，没有找到现成的方法，就自己写了一个。

思路：

1、先利用groupby分组；

2、遍历每个分组，得到每个组的表内容；

3、在每个分组表里利用value_counts()统计不同值的出现次数，然后利用to_dict()转换成词典（数值：出现次数）；

4、计算每个组的值个数，就是求频率时要用到的总数；

5、利用每个值的次数除以总数，这里要注意一下，因为需要与表格里每个值的顺序对应，所以这里根据列中值出现的顺序来对应提取词典里的出现次数，然后做成一个list。

6、遍历求频率；

原始表：

根据A分组，对分组后的C求频率，例如A的值分为1和2，当A=1时，C的值有1，4，1，2四个；当A=2时，C的值有4，4，1，3四个，这样在A=1时，C=1出现的频数C_count=2，C=1的频率C_freq=2/4=0.5：

import pandas as pd

# t1=data.index.values
# t2=data.sort_index(axis=1,ascending=True)
# t3=data.sort_values(by='D')
# t4=data.loc[:,['A','B']]
# t5=data.loc[['a','c'],['A','B']]
# t6=data.loc['a','D']
# t7=data.at['a','D']
# t8=data.iloc[1,1]
# t9=data['A']
# t10=data[1:2]


def cal_freq(data,group_by_name,var):
    '''
    分组计算组内各值频率,并作为新的列插入；
    :param data: DataFrame对象；
    :param group_by_name: 分组依据列；
    :param var: 需要计算频率的列；
    :return: new data
    '''
    new_data=None
    group=data.groupby(group_by_name)
    for group_name, group_data in group:
        val_count=group_data[var].value_counts().to_dict()    #  词典{值：频数}
        sum = len(list(group_data[var]))      #  计算每一组的个数
        count=[val_count[_] for _ in group_data[var]]    #   每个值出现的次数list，顺序对应var
        freq=[_/sum for _ in count]            #  每个出现的频率
        group_data[var+'_count']=count
        group_data[var+'_freq']=freq
        if new_data is None:
            new_data=group_data
        else:
            new_data=new_data.append(group_data)
    return new_data

if __name__=='__main__':
    #data = pd.read_excel('11.xlsx', 'Sheet1')
    data=pd.DataFrame({
        'A':[2,1,2,1,2,1,2,1],
        'B':[1,2,3,4,5,6,7,8],
        'C':[4,1,4,4,1,1,3,2]
    })
    new_data=cal_freq(data,'A','C')
    print(data)
    print(new_data)