我有一個如下所示的資料框
df = pd.DataFrame(
{'stud_id' : [101, 101, 101, 101,
101, 101, 101, 101],
'sub_code' : ['CSE01', 'CSE01', 'CSE01',
'CSE01', 'CSE02', 'CSE02',
'CSE02', 'CSE02'],
'ques_date' : ['13/11/2020', '10/1/2018','11/11/2017', '27/03/2016',
'13/05/2010', '10/11/2008','11/1/2007', '27/02/2006'],
'resp_date' : [np.nan, '11/1/2018','14/11/2017', '29/03/2016',
np.nan, np.nan,np.nan,'28/02/2006'],
'marks' : [77, 86, 55, 90,
65, 90, 80, 67]}
)
df['ques_date'] = pd.to_datetime(df['ques_date'])
df['resp_date'] = pd.to_datetime(df['resp_date'])
df['date_diff'] = (df['resp_date'] - df['ques_date']).dt.days
我想做以下
a）對于每個stud_id和sub_code組合，獲取 avg date_diff。
b) 對于每個stud_id和sub_code組合，獲取 的平均數NA。NAs表示沒有反應。例如：stud_id = 101ANDsub_code = CSE01組合在 4 條記錄中有 1 條 NA，導致 1/4 = 0.25。
我嘗試了以下但不確定如何獲取NA聚合函式中的平均值
df.groupby(['stud_id','sub_code']).agg(stud_total_records = ('stud_id','count'),
avg_resp_time = ('date_diff','mean'),
lack_resp_pct = (df.groupby(['stud_id','sub_code'])['resp_date'].isna().sum()).reset_index(name='NA_cnt')['NA_cnt']/stud_total_records)
我希望我的輸出如下所示
uj5u.com熱心網友回復：
更新
使用惰性組：
grp = df.groupby(['stud_id', 'sub_code'])
out = grp.agg(stud_total_records = ('stud_id', 'count'),
avg_resp_time = ('date_diff', 'mean'),
lack_resp_pct = ('date_diff', lambda x: sum(x.isna()) / df['date_diff'].count())) \
.reset_index()
print(out)
# Output
stud_id sub_code stud_total_records avg_resp_time lack_resp_pct
0 101 CSE01 4 12.0 0.25
1 101 CSE02 4 1.0 0.75
舊答案 嘗試：
out = df.groupby(['stud_id','sub_code']).agg(stud_total_records = ('stud_id', 'count'),
avg_resp_time = ('date_diff', 'mean'))
out['lack_resp_pct'] = df[df['date_diff'].isna()].value_counts(['stud_id', 'sub_code'], normalize=True)
輸出：
>>> out.reset_index()
stud_id sub_code stud_total_records avg_resp_time lack_resp_pct
0 101 CSE01 4 12.0 0.25
1 101 CSE02 4 1.0 0.75
轉載請註明出處，本文鏈接：https://www.uj5u.com/net/412461.html
標籤：