เปอร์เซ็นต์ของแพนด้าทั้งหมดกับ groupby

Question 1

เห็นได้ชัดว่านี่เป็นเรื่องง่าย แต่ในฐานะที่เป็นคนใหม่ฉันกำลังติดขัด

ฉันมีไฟล์ CSV ที่มี 3 คอลัมน์สถานะรหัสสำนักงานและการขายสำหรับสำนักงานนั้น

ฉันต้องการคำนวณเปอร์เซ็นต์ของยอดขายต่อสำนักงานในสถานะที่กำหนด (เปอร์เซ็นต์ทั้งหมดในแต่ละรัฐคือ 100%)

df = pd.DataFrame({'state': ['CA', 'WA', 'CO', 'AZ'] * 3,
                   'office_id': range(1, 7) * 2,
                   'sales': [np.random.randint(100000, 999999)
                             for _ in range(12)]})

df.groupby(['state', 'office_id']).agg({'sales': 'sum'})

ผลตอบแทนนี้:

                  sales
state office_id        
AZ    2          839507
      4          373917
      6          347225
CA    1          798585
      3          890850
      5          454423
CO    1          819975
      3          202969
      5          614011
WA    2          163942
      4          369858
      6          959285

ฉันคิดไม่ออกว่าจะ "เอื้อม" ไปที่stateระดับของผลgroupbyรวมsalesทั้งหมดstateเพื่อคำนวณเศษส่วนได้อย่างไร

Question 2

คำตอบที่พอลเอชเป็นสิทธิที่คุณจะต้องทำสองgroupbyวัตถุ แต่คุณสามารถคำนวณเปอร์เซ็นต์ในวิธีที่ง่าย - เพียงแค่และแบ่งคอลัมน์ด้วยผลรวมของ คัดลอกจุดเริ่มต้นของคำตอบของ Paul H:groupbystate_officesales

# From Paul H
import numpy as np
import pandas as pd
np.random.seed(0)
df = pd.DataFrame({'state': ['CA', 'WA', 'CO', 'AZ'] * 3,
                   'office_id': list(range(1, 7)) * 2,
                   'sales': [np.random.randint(100000, 999999)
                             for _ in range(12)]})
state_office = df.groupby(['state', 'office_id']).agg({'sales': 'sum'})
# Change: groupby state_office and divide by sum
state_pcts = state_office.groupby(level=0).apply(lambda x:
                                                 100 * x / float(x.sum()))

ผลตอบแทน:

                     sales
state office_id           
AZ    2          16.981365
      4          19.250033
      6          63.768601
CA    1          19.331879
      3          33.858747
      5          46.809373
CO    1          36.851857
      3          19.874290
      5          43.273852
WA    2          34.707233
      4          35.511259
      6          29.781508

Question 3

คุณต้องสร้างอ็อบเจ็กต์ groupby ที่สองที่จัดกลุ่มตามสถานะจากนั้นใช้divเมธอด:

import numpy as np
import pandas as pd
np.random.seed(0)
df = pd.DataFrame({'state': ['CA', 'WA', 'CO', 'AZ'] * 3,
               'office_id': list(range(1, 7)) * 2,
               'sales': [np.random.randint(100000, 999999) for _ in range(12)]})

state_office = df.groupby(['state', 'office_id']).agg({'sales': 'sum'})
state = df.groupby(['state']).agg({'sales': 'sum'})
state_office.div(state, level='state') * 100


                     sales
state office_id           
AZ    2          16.981365
      4          19.250033
      6          63.768601
CA    1          19.331879
      3          33.858747
      5          46.809373
CO    1          36.851857
      3          19.874290
      5          43.273852
WA    2          34.707233
      4          35.511259
      6          29.781508

level='state'kwarg ในdivบอกหมีแพนด้าที่จะออกอากาศ / เข้าร่วมฐาน dataframes ค่าในstateระดับของดัชนี

Question 4

เพื่อความกระชับฉันใช้ SeriesGroupBy:

In [11]: c = df.groupby(['state', 'office_id'])['sales'].sum().rename("count")

In [12]: c
Out[12]:
state  office_id
AZ     2            925105
       4            592852
       6            362198
CA     1            819164
       3            743055
       5            292885
CO     1            525994
       3            338378
       5            490335
WA     2            623380
       4            441560
       6            451428
Name: count, dtype: int64

In [13]: c / c.groupby(level=0).sum()
Out[13]:
state  office_id
AZ     2            0.492037
       4            0.315321
       6            0.192643
CA     1            0.441573
       3            0.400546
       5            0.157881
CO     1            0.388271
       3            0.249779
       5            0.361949
WA     2            0.411101
       4            0.291196
       6            0.297703
Name: count, dtype: float64

สำหรับหลายกลุ่มคุณต้องใช้การแปลง (โดยใช้Radical's df ):

In [21]: c =  df.groupby(["Group 1","Group 2","Final Group"])["Numbers I want as percents"].sum().rename("count")

In [22]: c / c.groupby(level=[0, 1]).transform("sum")
Out[22]:
Group 1  Group 2  Final Group
AAHQ     BOSC     OWON           0.331006
                  TLAM           0.668994
         MQVF     BWSI           0.288961
                  FXZM           0.711039
         ODWV     NFCH           0.262395
...
Name: count, dtype: float64

ดูเหมือนว่าจะมีประสิทธิภาพมากกว่าคำตอบอื่น ๆ เล็กน้อย (ความเร็วน้อยกว่าสองเท่าของคำตอบของ Radical สำหรับฉัน ~ 0.08 วินาที)

Question 5

ฉันคิดว่าสิ่งนี้ต้องการการเปรียบเทียบ ใช้ DataFrame ดั้งเดิมของ OP

df = pd.DataFrame({
    'state': ['CA', 'WA', 'CO', 'AZ'] * 3,
    'office_id': range(1, 7) * 2,
    'sales': [np.random.randint(100000, 999999) for _ in range(12)]
})

ที่ 1 Andy Hayden

ตามที่แสดงความคิดเห็นในคำตอบของเขา Andy ใช้ประโยชน์อย่างเต็มที่จากการทำดัชนีเวกเตอร์และแพนด้า

c = df.groupby(['state', 'office_id'])['sales'].sum().rename("count")
c / c.groupby(level=0).sum()

3.42 ms ± 16.7 µs ต่อลูป
(ค่าเฉลี่ย± std. dev ของ 7 รัน, 100 ลูปแต่ละครั้ง)

อันดับ 2 Paul H.

state_office = df.groupby(['state', 'office_id']).agg({'sales': 'sum'})
state = df.groupby(['state']).agg({'sales': 'sum'})
state_office.div(state, level='state') * 100

4.66 ms ± 24.4 µs ต่อลูป
(ค่าเฉลี่ย± std. dev ของ 7 รัน, 100 ลูปแต่ละครั้ง)

exp1orerที่ 3

นี่เป็นคำตอบที่ช้าที่สุดเนื่องจากคำนวณx.sum()สำหรับแต่ละxระดับในระดับ 0

สำหรับฉันนี่ยังคงเป็นคำตอบที่มีประโยชน์แม้ว่าจะไม่ใช่ในรูปแบบปัจจุบันก็ตาม สำหรับ EDA อย่างรวดเร็วบนชุดข้อมูลขนาดเล็กapplyให้คุณใช้วิธีการผูกมัดเพื่อเขียนสิ่งนี้ในบรรทัดเดียว ดังนั้นเราจึงลบความต้องการในการตัดสินใจเกี่ยวกับชื่อของตัวแปรซึ่งมีราคาแพงมากในการคำนวณสำหรับทรัพยากรที่มีค่าที่สุดของคุณ (สมองของคุณ !!)

นี่คือการปรับเปลี่ยน

(
    df.groupby(['state', 'office_id'])
    .agg({'sales': 'sum'})
    .groupby(level=0)
    .apply(lambda x: 100 * x / float(x.sum()))
)

10.6 ms ± 81.5 µs ต่อลูป
(ค่าเฉลี่ย± std. dev ของ 7 รัน, 100 ลูปแต่ละครั้ง)

ดังนั้นจึงไม่มีใครสนใจเกี่ยวกับ 6ms ในชุดข้อมูลขนาดเล็ก อย่างไรก็ตามนี่คือความเร็ว 3 เท่าและในชุดข้อมูลขนาดใหญ่ที่มีกลุ่มคาร์ดิเนลลิตี้สูงสิ่งนี้จะสร้างความแตกต่างอย่างมาก

เมื่อเพิ่มโค้ดด้านบนเราสร้าง DataFrame ที่มีรูปร่าง (12,000,000, 3) พร้อม 14412 หมวดหมู่รัฐและ 600 office_ids

import string

import numpy as np
import pandas as pd
np.random.seed(0)

groups = [
    ''.join(i) for i in zip(
    np.random.choice(np.array([i for i in string.ascii_lowercase]), 30000),
    np.random.choice(np.array([i for i in string.ascii_lowercase]), 30000),
    np.random.choice(np.array([i for i in string.ascii_lowercase]), 30000),
                       )
]

df = pd.DataFrame({'state': groups * 400,
               'office_id': list(range(1, 601)) * 20000,
               'sales': [np.random.randint(100000, 999999)
                         for _ in range(12)] * 1000000
})

ใช้ Andy's

2 วินาที ± 10.4 ms ต่อลูป
(ค่าเฉลี่ย± std. dev ของ 7 รัน, 1 ลูปแต่ละครั้ง)

และ exp1orer

19 วินาที ± 77.1 ms ต่อลูป
(ค่าเฉลี่ย± std. dev. ของการรัน 7 ครั้ง, การวนซ้ำ 1 ครั้ง)

ตอนนี้เราเห็น x10 เร่งความเร็วบนชุดข้อมูลขนาดใหญ่ที่มีคาร์ดินาลิตี้สูง

อย่าลืม UV คำตอบทั้งสามข้อนี้ถ้าคุณ UV อันนี้ !!

Question 6

(โซลูชันนี้ได้รับแรงบันดาลใจจากบทความนี้https://pbpython.com/pandas_transform.html )

ฉันพบว่าวิธีแก้ปัญหาต่อไปนี้เป็นวิธีที่ง่ายที่สุด (และอาจเร็วที่สุด) โดยใช้transformation:

การแปลง: ในขณะที่การรวมต้องส่งคืนเวอร์ชันของข้อมูลที่ลดลง แต่การแปลงสามารถส่งคืนเวอร์ชันที่แปลงแล้วของข้อมูลทั้งหมดเพื่อรวมกันใหม่ สำหรับการแปลงดังกล่าวเอาต์พุตจะมีรูปร่างเหมือนกับอินพุต

ดังนั้นการใช้transformationวิธีแก้ปัญหาคือ 1 ซับ:

df['%'] = 100 * df['sales'] / df.groupby('state')['sales'].transform('sum')

และถ้าคุณพิมพ์:

print(df.sort_values(['state', 'office_id']).reset_index(drop=True))

   state  office_id   sales          %
0     AZ          2  195197   9.844309
1     AZ          4  877890  44.274352
2     AZ          6  909754  45.881339
3     CA          1  614752  50.415708
4     CA          3  395340  32.421767
5     CA          5  209274  17.162525
6     CO          1  549430  42.659629
7     CO          3  457514  35.522956
8     CO          5  280995  21.817415
9     WA          2  828238  35.696929
10    WA          4  719366  31.004563
11    WA          6  772590  33.298509

Question 7

ฉันรู้ว่านี่เป็นคำถามเก่า แต่เป็นของ exp1orerคำตอบนั้นช้ามากสำหรับชุดข้อมูลที่มีกลุ่มเฉพาะจำนวนมาก (อาจเป็นเพราะแลมด้า) ฉันสร้างคำตอบของพวกเขาเพื่อเปลี่ยนเป็นการคำนวณอาร์เรย์ดังนั้นตอนนี้มันเร็วมาก! ด้านล่างนี้คือโค้ดตัวอย่าง:

สร้างดาต้าเฟรมการทดสอบที่มีกลุ่มที่ไม่ซ้ำกัน 50,000 กลุ่ม

import random
import string
import pandas as pd
import numpy as np
np.random.seed(0)

# This is the total number of groups to be created
NumberOfGroups = 50000

# Create a lot of groups (random strings of 4 letters)
Group1     = [''.join(random.choice(string.ascii_uppercase) for _ in range(4)) for x in range(NumberOfGroups/10)]*10
Group2     = [''.join(random.choice(string.ascii_uppercase) for _ in range(4)) for x in range(NumberOfGroups/2)]*2
FinalGroup = [''.join(random.choice(string.ascii_uppercase) for _ in range(4)) for x in range(NumberOfGroups)]

# Make the numbers
NumbersForPercents = [np.random.randint(100, 999) for _ in range(NumberOfGroups)]

# Make the dataframe
df = pd.DataFrame({'Group 1': Group1,
                   'Group 2': Group2,
                   'Final Group': FinalGroup,
                   'Numbers I want as percents': NumbersForPercents})

เมื่อจัดกลุ่มดูเหมือนว่า:

                             Numbers I want as percents
Group 1 Group 2 Final Group                            
AAAH    AQYR    RMCH                                847
                XDCL                                182
        DQGO    ALVF                                132
                AVPH                                894
        OVGH    NVOO                                650
                VKQP                                857
        VNLY    HYFW                                884
                MOYH                                469
        XOOC    GIDS                                168
                HTOY                                544
AACE    HNXU    RAXK                                243
                YZNK                                750
        NOYI    NYGC                                399
                ZYCI                                614
        QKGK    CRLF                                520
                UXNA                                970
        TXAR    MLNB                                356
                NMFJ                                904
        VQYG    NPON                                504
                QPKQ                                948
...
[50000 rows x 1 columns]

วิธีการหาเปอร์เซ็นต์ของอาร์เรย์:

# Initial grouping (basically a sorted version of df)
PreGroupby_df = df.groupby(["Group 1","Group 2","Final Group"]).agg({'Numbers I want as percents': 'sum'}).reset_index()
# Get the sum of values for the "final group", append "_Sum" to it's column name, and change it into a dataframe (.reset_index)
SumGroup_df = df.groupby(["Group 1","Group 2"]).agg({'Numbers I want as percents': 'sum'}).add_suffix('_Sum').reset_index()
# Merge the two dataframes
Percents_df = pd.merge(PreGroupby_df, SumGroup_df)
# Divide the two columns
Percents_df["Percent of Final Group"] = Percents_df["Numbers I want as percents"] / Percents_df["Numbers I want as percents_Sum"] * 100
# Drop the extra _Sum column
Percents_df.drop(["Numbers I want as percents_Sum"], inplace=True, axis=1)

วิธีนี้ใช้เวลาประมาณ ~ 0.15 วินาที

วิธีการตอบยอดนิยม (โดยใช้ฟังก์ชันแลมบ์ดา):

state_office = df.groupby(['Group 1','Group 2','Final Group']).agg({'Numbers I want as percents': 'sum'})
state_pcts = state_office.groupby(level=['Group 1','Group 2']).apply(lambda x: 100 * x / float(x.sum()))

วิธีนี้ใช้เวลาประมาณ 21 วินาทีในการให้ผลลัพธ์เดียวกัน

ผลลัพธ์:

      Group 1 Group 2 Final Group  Numbers I want as percents  Percent of Final Group
0        AAAH    AQYR        RMCH                         847               82.312925
1        AAAH    AQYR        XDCL                         182               17.687075
2        AAAH    DQGO        ALVF                         132               12.865497
3        AAAH    DQGO        AVPH                         894               87.134503
4        AAAH    OVGH        NVOO                         650               43.132050
5        AAAH    OVGH        VKQP                         857               56.867950
6        AAAH    VNLY        HYFW                         884               65.336290
7        AAAH    VNLY        MOYH                         469               34.663710
8        AAAH    XOOC        GIDS                         168               23.595506
9        AAAH    XOOC        HTOY                         544               76.404494

Question 8

ฉันรู้ว่ามีคำตอบที่ดีอยู่แล้วที่นี่

อย่างไรก็ตามฉันต้องการมีส่วนร่วมของตัวเองเพราะฉันรู้สึกว่าเป็นคำถามพื้นฐานง่ายๆแบบนี้ควรมีวิธีแก้ปัญหาสั้น ๆ ที่เข้าใจได้ในพริบตา

นอกจากนี้ยังควรทำงานในลักษณะที่ฉันสามารถเพิ่มเปอร์เซ็นต์เป็นคอลัมน์ใหม่โดยปล่อยให้ส่วนที่เหลือของกรอบข้อมูลไม่ถูกแตะต้อง สุดท้าย แต่ไม่ท้ายสุดควรสรุปให้ชัดเจนในกรณีที่มีระดับการจัดกลุ่มมากกว่าหนึ่งระดับ (เช่นรัฐและประเทศแทนที่จะเป็นรัฐเดียว)

ตัวอย่างต่อไปนี้เป็นไปตามเกณฑ์เหล่านี้:

df['sales_ratio'] = df.groupby(['state'])['sales'].transform(lambda x: x/x.sum())

โปรดทราบว่าหากคุณยังใช้ Python 2 อยู่คุณจะต้องแทนที่ x ในตัวส่วนของเทอมแลมบ์ดาด้วย float (x)

Question 9

pd.crosstabวิธีที่สง่างามที่สุดในการหาเปอร์เซ็นต์ทั่วคอลัมน์หรือดัชนีคือการใช้

ข้อมูลตัวอย่าง

df = pd.DataFrame({'state': ['CA', 'WA', 'CO', 'AZ'] * 3,
               'office_id': list(range(1, 7)) * 2,
               'sales': [np.random.randint(100000, 999999) for _ in range(12)]})

dataframe เอาต์พุตเป็นแบบนี้

print(df)

        state   office_id   sales
    0   CA  1   764505
    1   WA  2   313980
    2   CO  3   558645
    3   AZ  4   883433
    4   CA  5   301244
    5   WA  6   752009
    6   CO  1   457208
    7   AZ  2   259657
    8   CA  3   584471
    9   WA  4   122358
    10  CO  5   721845
    11  AZ  6   136928

เพียงระบุดัชนีคอลัมน์และค่าที่จะรวม คีย์เวิร์ด normalize จะคำนวณ% ระหว่างดัชนีหรือคอลัมน์ขึ้นอยู่กับบริบท

result = pd.crosstab(index=df['state'], 
                     columns=df['office_id'], 
                     values=df['sales'], 
                     aggfunc='sum', 
                     normalize='index').applymap('{:.2f}%'.format)




print(result)
office_id   1   2   3   4   5   6
state                       
AZ  0.00%   0.20%   0.00%   0.69%   0.00%   0.11%
CA  0.46%   0.00%   0.35%   0.00%   0.18%   0.00%
CO  0.26%   0.00%   0.32%   0.00%   0.42%   0.00%
WA  0.00%   0.26%   0.00%   0.10%   0.00%   0.63%

Question 10

คุณสามารถหารsumทั้งหมดDataFrameและหารด้วยผลstateรวม:

# Copying setup from Paul H answer
import numpy as np
import pandas as pd
np.random.seed(0)
df = pd.DataFrame({'state': ['CA', 'WA', 'CO', 'AZ'] * 3,
               'office_id': list(range(1, 7)) * 2,
               'sales': [np.random.randint(100000, 999999) for _ in range(12)]})
# Add a column with the sales divided by state total sales.
df['sales_ratio'] = (df / df.groupby(['state']).transform(sum))['sales']

df

ผลตอบแทน

    office_id   sales state  sales_ratio
0           1  405711    CA     0.193319
1           2  535829    WA     0.347072
2           3  217952    CO     0.198743
3           4  252315    AZ     0.192500
4           5  982371    CA     0.468094
5           6  459783    WA     0.297815
6           1  404137    CO     0.368519
7           2  222579    AZ     0.169814
8           3  710581    CA     0.338587
9           4  548242    WA     0.355113
10          5  474564    CO     0.432739
11          6  835831    AZ     0.637686

แต่โปรดทราบว่าสิ่งนี้ใช้ได้เฉพาะเนื่องจากคอลัมน์ทั้งหมดที่นอกเหนือจากstateเป็นตัวเลขทำให้สามารถหาผลรวมของ DataFrame ทั้งหมดได้ ตัวอย่างเช่นหากoffice_idเป็นอักขระแทนคุณจะได้รับข้อผิดพลาด:

df.office_id = df.office_id.astype(str)
df['sales_ratio'] = (df / df.groupby(['state']).transform(sum))['sales']

TypeError: ไม่รองรับประเภทตัวถูกดำเนินการสำหรับ /: 'str' และ 'str'

Question 11

ฉันคิดว่านี่จะทำเคล็ดลับใน 1 บรรทัด:

df.groupby(['state', 'office_id']).sum().transform(lambda x: x/np.sum(x)*100)

Question 12

วิธีง่ายๆที่ฉันใช้คือการผสานหลังจาก 2 groupby แล้วทำการหารอย่างง่าย

import numpy as np
import pandas as pd
np.random.seed(0)
df = pd.DataFrame({'state': ['CA', 'WA', 'CO', 'AZ'] * 3,
               'office_id': list(range(1, 7)) * 2,
               'sales': [np.random.randint(100000, 999999) for _ in range(12)]})

state_office = df.groupby(['state', 'office_id'])['sales'].sum().reset_index()
state = df.groupby(['state'])['sales'].sum().reset_index()
state_office = state_office.merge(state, left_on='state', right_on ='state', how = 'left')
state_office['sales_ratio'] = 100*(state_office['sales_x']/state_office['sales_y'])

   state  office_id  sales_x  sales_y  sales_ratio
0     AZ          2   222579  1310725    16.981365
1     AZ          4   252315  1310725    19.250033
2     AZ          6   835831  1310725    63.768601
3     CA          1   405711  2098663    19.331879
4     CA          3   710581  2098663    33.858747
5     CA          5   982371  2098663    46.809373
6     CO          1   404137  1096653    36.851857
7     CO          3   217952  1096653    19.874290
8     CO          5   474564  1096653    43.273852
9     WA          2   535829  1543854    34.707233
10    WA          4   548242  1543854    35.511259
11    WA          6   459783  1543854    29.781508

Question 13

df = pd.DataFrame({'state': ['CA', 'WA', 'CO', 'AZ'] * 3,
               'office_id': list(range(1, 7)) * 2,
               'sales': [np.random.randint(100000, 999999)
                         for _ in range(12)]})

grouped = df.groupby(['state', 'office_id'])
100*grouped.sum()/df[["state","sales"]].groupby('state').sum()

ผลตอบแทน:

sales
state   office_id   
AZ  2   54.587910
    4   33.009225
    6   12.402865
CA  1   32.046582
    3   44.937684
    5   23.015735
CO  1   21.099989
    3   31.848658
    5   47.051353
WA  2   43.882790
    4   10.265275
    6   45.851935

Question 14

ในฐานะคนที่กำลังเรียนรู้แพนด้าฉันพบว่าคำตอบอื่น ๆ มีนัยยะเล็กน้อยเนื่องจากแพนด้าซ่อนงานส่วนใหญ่ไว้เบื้องหลัง เช่นในการดำเนินการโดยจับคู่ชื่อคอลัมน์และดัชนีโดยอัตโนมัติ รหัสนี้ควรเทียบเท่ากับคำตอบที่ยอมรับของ @ exp1orer ทีละขั้นตอน

ด้วยสิ่งdfนี้ฉันจะเรียกมันด้วยนามแฝงstate_office_sales:

                  sales
state office_id        
AZ    2          839507
      4          373917
      6          347225
CA    1          798585
      3          890850
      5          454423
CO    1          819975
      3          202969
      5          614011
WA    2          163942
      4          369858
      6          959285

state_total_salesถูกstate_office_salesจัดกลุ่มตามผลรวมทั้งหมดในindex level 0(ซ้ายสุด)

In:   state_total_sales = df.groupby(level=0).sum()
      state_total_sales

Out: 
       sales
state   
AZ     2448009
CA     2832270
CO     1495486
WA     595859

เนื่องจากดาต้าเฟรมทั้งสองแชร์ชื่อดัชนีและแพนด้าชื่อคอลัมน์จะค้นหาตำแหน่งที่เหมาะสมผ่านดัชนีที่ใช้ร่วมกันเช่น:

In:   state_office_sales / state_total_sales

Out:  

                   sales
state   office_id   
AZ      2          0.448640
        4          0.125865
        6          0.425496
CA      1          0.288022
        3          0.322169
        5          0.389809
CO      1          0.206684
        3          0.357891
        5          0.435425
WA      2          0.321689
        4          0.346325
        6          0.331986

เพื่ออธิบายสิ่งนี้ให้ดียิ่งขึ้นต่อไปนี้เป็นผลรวมบางส่วนXXที่ไม่มีค่าเทียบเท่า หมีแพนด้าจะจับคู่ตำแหน่งตามดัชนีและชื่อคอลัมน์โดยที่ไม่มีแพนด้าทับซ้อนกันจะเพิกเฉย:

In:   partial_total = pd.DataFrame(
                      data   =  {'sales' : [2448009, 595859, 99999]},
                      index  =             ['AZ',    'WA',   'XX' ]
                      )
      partial_total.index.name = 'state'


Out:  
         sales
state
AZ       2448009
WA       595859
XX       99999

In:   state_office_sales / partial_total

Out: 
                   sales
state   office_id   
AZ      2          0.448640
        4          0.125865
        6          0.425496
CA      1          NaN
        3          NaN
        5          NaN
CO      1          NaN
        3          NaN
        5          NaN
WA      2          0.321689
        4          0.346325
        6          0.331986

สิ่งนี้จะชัดเจนมากเมื่อไม่มีดัชนีหรือคอลัมน์ที่ใช้ร่วมกัน นี่missing_index_totalsเท่ากับstate_total_salesยกเว้นว่าไม่มีชื่อดัชนี

In:   missing_index_totals = state_total_sales.rename_axis("")
      missing_index_totals

Out:  
       sales
AZ     2448009
CA     2832270
CO     1495486
WA     595859

In:   state_office_sales / missing_index_totals 

Out:  ValueError: cannot join with no overlapping index names

Question 15

โซลูชันบรรทัดเดียว:

df.join(
    df.groupby('state').agg(state_total=('sales', 'sum')),
    on='state'
).eval('sales / state_total')

สิ่งนี้ส่งคืนชุดอัตราส่วนต่อสำนักงาน - สามารถใช้ด้วยตัวเองหรือกำหนดให้กับ Dataframe ดั้งเดิม