pandas取数据在列中的占比，百分号显示

可以通过使用pandas中的mean()函数来计算列中的占比，并使用apply()函数将结果乘以100并添加百分号。代码示例如下：

import pandas as pd

# 创建示例数据
data = {'col1': [1, 2, 3, 4, 5],
        'col2': [10, 20, 30, 40, 50],
        'col3': [100, 200, 300, 400, 500]}
df = pd.DataFrame(data)

# 计算每一列中的占比并添加百分号
result = df.mean().apply(lambda x: '{:.2f}%'.format(x * 100))

print(result)

输出结果为：

col1    30.00%
col2    30.00%
col3    30.00%
dtype: object

这里使用了lambda函数格式化每个数字并添加百分号。

相关问题

pandas取数据在列中的占比，百分比显示

您可以使用 pandas 的 `value_counts` 函数以及其参数 `normalize=True` 来计算列中每个值的占比，然后将其乘以 100 即可将其转换为百分比。以下是示例代码：

import pandas as pd

# 假设您的数据存储在 DataFrame 中的名为 'df' 的列中
# 'my_column_name' 是您要计算占比的列名

# 计算占比并将其转换为百分比
percentage = df['my_column_name'].value_counts(normalize=True) * 100

# 打印结果
print(percentage)

此代码将打印出每个值的占比百分比。请注意，如果有太多的唯一值，请考虑将结果截断或绘制堆叠条形图或饼图以显示数据的可视化呈现。

python pandas 中的分组聚合求占比

可以使用 `groupby()` 和 `agg()` 方法来实现分组聚合求占比的操作。下面是一个例子：

假设有一个数据集 `df` 包含两列数据 `A` 和 `B`，我们想要按照 `A` 列进行分组，然后计算每个组中 `B` 列的值的占比。

import pandas as pd

# 创建一个示例数据集
df = pd.DataFrame({
    'A': ['a', 'a', 'b', 'b', 'b'],
    'B': [1, 2, 3, 4, 5]
})

# 按照 A 列进行分组，然后计算每个组中 B 列的值的占比
result = df.groupby('A').agg({'B': 'sum'}).apply(lambda x: x / float(x.sum()))

print(result)

输出结果如下：

          B
A          
a  0.166667
b  0.833333

其中，`agg()` 方法接收一个字典类型的参数，键为需要聚合的列名，值为需要进行的聚合操作。在本例中，我们只需要对 `B` 列进行求和操作，所以字典中只有一个键值对。然后，我们使用 `apply()` 方法将每个组中的值除以总和，得到每个组中的值的占比。最后，我们得到了按照 `A` 列分组后每个组中 `B` 列值的占比。