熊貓 - 給定具體b的條件概率

Question

我有兩個「a」和「b」列的DataFrame。如何找到給定具體「b」的條件概率「a」？

df.groupby('a').groupby('b') 

不起作用。讓我們假設我有三個類別在a欄中，對於每個具體的我有5個類別的b。我需要做的是找出a的每個類的b類的總數。我試過應用命令，但我想我不知道如何正確使用它。

df.groupby('a').apply(lambda x: x[x['b']] == '...').count() 

Answer 1

要找到b類總數爲類的每個實例a你會做

df.groupby('a').b.value_counts() 

例如，創建一個DataFrame，如下所示：

df = pd.DataFrame({'A':['foo', 'bar', 'foo', 'bar','foo', 'bar', 'foo', 'foo'], 'B':['one', 'one', 'two', 'three','two', 'two', 'one', 'three'], 'C':np.random.randn(8), 'D':np.random.randn(8)}) 

    A  B   C   D 
0 foo one -1.565185 -0.465763 
1 bar one 2.499516 -0.941229 
2 foo two -0.091160 0.689009 
3 bar three 1.358780 -0.062026 
4 foo two -0.800881 -0.341930 
5 bar two -0.236498 0.198686 
6 foo one -0.590498 0.281307 
7 foo three -1.423079 0.424715 

然後：

df.groupby（ 'A'）[ 'B'] value_counts（）

A 
bar one  1 
    two  1 
    three 1 
foo one  2 
    two  2 
    three 1 

向該轉換爲條件概率，則需要的總大小來劃分每組。

你可以做到這一點與其他GROUPBY：

df.groupby('A')['B'].value_counts()/df.groupby('A')['B'].count() 

A 
bar one  0.333333 
    two  0.333333 
    three 0.333333 
foo one  0.400000 
    two  0.400000 
    three 0.200000 
dtype: float64 

或者你可以申請一個lambda功能到組：

df.groupby('a').b.apply(lambda g: g.value_counts()/len(g)) 

Answer 2

您可以在列表中傳遞給GROUPBY：

df.groupby(['a','b']).count() 

Answer 3

你可以試試這個功能，

def conprob(pd1,pd2,transpose=1): 
    if transpose==0: 
     table=pd.crosstab(pd1,pd2) 
    else: 
     table=pd.crosstab(pd2,pd1) 
    cnames=table.columns.values 
    weights=1/table[cnames].sum() 
    out=table*weights 
    pc=table[cnames].sum()/table[cnames].sum().sum() 
    table=table.transpose() 
    cnames=table.columns.values 
    p=table[cnames].sum()/table[cnames].sum().sum() 
    out['p']=p 
    return out 

這個返回條件概率P（行|列）

Answer 4

考慮到Maxymoo建議數據框：

df = pd.DataFrame({'A':['foo', 'bar', 'foo', 'bar','foo', 'bar', 'foo', 'foo'], 'B':['one', 'one', 'two', 'three','two', 'two', 'one', 'three'], 'C':np.random.randn(8), 'D':np.random.randn(8)}) 

df 
    A  B   C   D 
0 foo one 0.229206 -1.899999 
1 bar one 0.174972 0.328746 
2 foo two -1.384699 -1.691151 
3 bar three -1.008328 -0.915467 
4 foo two -0.065298 -0.107240 
5 bar two 1.871916 0.798135 
6 foo one 1.589609 -1.682237 
7 foo three 2.292783 0.639595 

讓我們假設我們有興趣來計算給定x =一（Y = FOO）的概率爲：P（Y = FOO | X =之一）=？

方法1：

df.groupby('B')['A'].value_counts()/df.groupby('B')['A'].count() 
B   
one foo 0.666667 
     bar 0.333333 
three foo 0.500000 
     bar 0.500000 
two foo 0.666667 
     bar 0.333333 
dtype: float64 

因此，答案是：0.6667

方法2：x的

概率=之一：0.375

df['B'].value_counts()/df['B'].count() 
one  0.375 
two  0.375 
three 0.250 
dtype: float64 

的Y = FOO概率：0.625

df['A'].value_counts()/df['A'].count() 
foo 0.625 
bar 0.375 
dtype: float64 

（x = 1 | y = foo）的概率：0。4

df.groupby('A')['B'].value_counts()/df.groupby('A')['B'].count() 
A   
bar one  0.333333 
    two  0.333333 
    three 0.333333 
foo one  0.400000 
    two  0.400000 
    three 0.200000 
dtype: float64 

因此：P（Y = FOO | X =一個）= P（X =一個| Y =富）* P（Y = FOO）/ P（X =一個）= 0.4 * 0.625/0.375 = 0.6667