提问人：Awwwwwan 提问时间：11/18/2023 更新时间：11/18/2023 访问量：42
如何使用 python 和 pandas 为每个课程单元进行分组并生成汇总表？
How to groupby and generate summary table for each course unit using python and pandas?
问：
我正在分析调查数据，我需要为每个课程单元生成汇总结果表。
我的调查数据如下所示：
| 课程代码 | 单位 | Q1内容xxx | Q2contentyyy | Q3内容 | Q4内容ddd | Q5内容FFFF | Q6内容ggg |
|---|---|---|---|---|---|---|---|
| 3300 | 1 | 强烈同意 | 同意 | 中性 | 强烈同意 | 同意 | 中性 |
| 3300 | 2 | 强烈不同意 | 中性 | 反对 | 强烈不同意 | 中性 | 反对 |
| 3200 | 2 | 同意 | 反对 | 中性 | 同意 | 反对 | 中性 |
| 3100 | 1 | 同意 | 反对 | 中性 | 同意 | 反对 | 中性 |
| 3300 | 2 | 反对 | 中性 | 反对 | 反对 | 中性 | 反对 |
答案只包含五个选项——强烈同意;同意;中性;反对;强烈不同意
我想为每个课程单元生成一个汇总表，例如： 课程单元 3300-2：
| 问题 | 强烈同意 | 同意 | 中性 | 反对 | 强烈不同意 |
|---|---|---|---|---|---|
| Q1内容xxx | 0% | 0% | 0% | 50% | 50% |
| Q2contentyyy | 0% | 0% | 100% | 0% | 0% |
| Q3内容 | 0% | 0% | 0% | 100% | 0% |
| Q4内容ddd | 0% | 0% | 0% | 50% | 50% |
| Q5内容FFFF | 0% | 0% | 100% | 0% | 0% |
| Q6内容ggg | 0% | 0% | 0% | 100% | 0% |
我在想我应该使用“while 循环”来迭代和打印我需要的东西，但我卡在这里，我想知道是否有更好的方法来按结果分组以显示我想要的东西。
i=1;
while i < 6:
print(df.loc[i, 'CourseCode':'Unit']);
print(df.where(...
i++;
这是我当时的想法的例子，一定有更好的想法，所以提前感谢您对我的帮助！
答：
0赞
Timeless
11/18/2023
#1
一种可能的选择：
target = "3300-2"
tmp = df.set_index(["CourseCode", "Unit"])
tmp.index = map("{0[0]}-{0[1]}".format, tmp.index)
# cols = np.unique(tmp) or if order matters, you can hardcode the values
cols = ["StronglyAgree", "Agree", "Neutral", "Disagree", "StronglyDisagree"]
out = (
tmp.loc[[target]].stack().str.get_dummies()
.groupby(level=1).agg(lambda s: (s.sum())/s.size*100)
.reindex(cols, axis=1, fill_value=0)
.reset_index(names=["Question"])
)
输出：
print(out)
Question StronglyAgree Agree Neutral Disagree StronglyDisagree
0 Q1contentxxx 0 0 0.0 50.0 50.0
1 Q2contentyyy 0 0 100.0 0.0 0.0
2 Q3contentsss 0 0 0.0 100.0 0.0
3 Q4contentddd 0 0 0.0 50.0 50.0
4 Q5contentfff 0 0 100.0 0.0 0.0
5 Q6contentggg 0 0 0.0 100.0 0.0
评论
0赞
Awwwwwan
11/20/2023
嗨，@Timeless，谢谢你的回答！这就是我想要的结果！
0赞
Suraj Shourie
11/18/2023
#2
您可以使用 IIUC 来获得结果：pd.meltgroupby
df = df.melt(id_vars= ['CourseCode', 'Unit']) # converts from wide to long format
df2 = pd.get_dummies(df['value'])
df = pd.concat([df,df2], axis=1).groupby(['CourseCode', 'Unit', 'variable'])[df2.columns].sum() # gets the count
df.div(df.sum(axis=1), axis=0) # gets the percentage count
输出：
| 同意 | 反对 | 中性 | 强烈同意 | 强烈不同意 | |
|---|---|---|---|---|---|
| （3100， 1， 'Q1contentxxx'） | 1 | 0 | 0 | 0 | 0 |
| （3100， 1， 'Q2contentyyy'） | 0 | 1 | 0 | 0 | 0 |
| （3100， 1， 'Q3contentsss'） | 0 | 0 | 1 | 0 | 0 |
| （3100， 1， 'Q4contentddd'） | 1 | 0 | 0 | 0 | 0 |
| （3100， 1， 'Q5contentfff'） | 0 | 1 | 0 | 0 | 0 |
| （3100， 1， 'Q6contentggg'） | 0 | 0 | 1 | 0 | 0 |
| （3200， 2， 'Q1contentxxx'） | 1 | 0 | 0 | 0 | 0 |
| （3200， 2， 'Q2contentyyy'） | 0 | 1 | 0 | 0 | 0 |
| （3200， 2， 'Q3contentsss'） | 0 | 0 | 1 | 0 | 0 |
| （3200， 2， 'Q4contentddd'） | 1 | 0 | 0 | 0 | 0 |
| （3200， 2， 'Q5contentfff'） | 0 | 1 | 0 | 0 | 0 |
| （3200， 2， 'Q6contentggg'） | 0 | 0 | 1 | 0 | 0 |
| （3300， 1， 'Q1contentxxx'） | 0 | 0 | 0 | 1 | 0 |
| （3300， 1， 'Q2contentyyy'） | 1 | 0 | 0 | 0 | 0 |
| （3300， 1， 'Q3contentsss'） | 0 | 0 | 1 | 0 | 0 |
| （3300， 1， 'Q4contentddd'） | 0 | 0 | 0 | 1 | 0 |
| （3300， 1， 'Q5contentfff'） | 1 | 0 | 0 | 0 | 0 |
| （3300， 1， 'Q6contentggg'） | 0 | 0 | 1 | 0 | 0 |
| （3300， 2， 'Q1contentxxx'） | 0 | 0.5 | 0 | 0 | 0.5 |
| （3300， 2， 'Q2contentyyy'） | 0 | 0 | 1 | 0 | 0 |
| （3300， 2， 'Q3contentsss'） | 0 | 1 | 0 | 0 | 0 |
| （3300， 2， 'Q4contentddd'） | 0 | 0.5 | 0 | 0 | 0.5 |
| （3300， 2， 'Q5contentfff'） | 0 | 0 | 1 | 0 | 0 |
| （3300， 2， 'Q6contentggg'） | 0 | 1 | 0 | 0 | 0 |
0赞
Andrej Kesely
11/18/2023
#3
另一种解决方案：
out = (
df.set_index(["CourseCode", "Unit"])
.stack()
.reset_index()
.rename(columns={0: "mood"})
)
out["Course"] = out.pop("CourseCode").astype(str) + "-" + out.pop("Unit").astype(str)
out = (
out.assign(tmp=1)
.pivot_table(
index=["level_2", "Course"],
columns="mood",
values="tmp",
aggfunc=len,
margins=True,
fill_value=0,
)
.rename_axis(index=[None, None], columns=None)
)
out = out.div(out.iloc[:, -1], axis=0) * 100
print(out)
指纹：
Agree Disagree Neutral StronglyAgree StronglyDisagree All
Q1contentxxx 3100-1 100.0 0.000000 0.000000 0.000000 0.000000 100.0
3200-2 100.0 0.000000 0.000000 0.000000 0.000000 100.0
3300-1 0.0 0.000000 0.000000 100.000000 0.000000 100.0
3300-2 0.0 50.000000 0.000000 0.000000 50.000000 100.0
Q2contentyyy 3100-1 0.0 100.000000 0.000000 0.000000 0.000000 100.0
3200-2 0.0 100.000000 0.000000 0.000000 0.000000 100.0
3300-1 100.0 0.000000 0.000000 0.000000 0.000000 100.0
3300-2 0.0 0.000000 100.000000 0.000000 0.000000 100.0
Q3contentsss 3100-1 0.0 0.000000 100.000000 0.000000 0.000000 100.0
3200-2 0.0 0.000000 100.000000 0.000000 0.000000 100.0
3300-1 0.0 0.000000 100.000000 0.000000 0.000000 100.0
3300-2 0.0 100.000000 0.000000 0.000000 0.000000 100.0
Q4contentddd 3100-1 100.0 0.000000 0.000000 0.000000 0.000000 100.0
3200-2 100.0 0.000000 0.000000 0.000000 0.000000 100.0
3300-1 0.0 0.000000 0.000000 100.000000 0.000000 100.0
3300-2 0.0 50.000000 0.000000 0.000000 50.000000 100.0
Q5contentfff 3100-1 0.0 100.000000 0.000000 0.000000 0.000000 100.0
3200-2 0.0 100.000000 0.000000 0.000000 0.000000 100.0
3300-1 100.0 0.000000 0.000000 0.000000 0.000000 100.0
3300-2 0.0 0.000000 100.000000 0.000000 0.000000 100.0
Q6contentggg 3100-1 0.0 0.000000 100.000000 0.000000 0.000000 100.0
3200-2 0.0 0.000000 100.000000 0.000000 0.000000 100.0
3300-1 0.0 0.000000 100.000000 0.000000 0.000000 100.0
3300-2 0.0 100.000000 0.000000 0.000000 0.000000 100.0
All 20.0 33.333333 33.333333 6.666667 6.666667 100.0
0赞
Panda Kim
11/18/2023
#4
第1步
通过3300-2过滤和熔化
target = '3300-2'
cond = df['CourseCode'].astype('str').add('-').add(df['Unit'].astype('str')).eq(target)
tmp = df[cond].melt(['CourseCode', 'Unit'])
TMP的：
CourseCode Unit variable value
0 3300 2 Q1contentxxx StronglyDisagree
1 3300 2 Q1contentxxx Disagree
2 3300 2 Q2contentyyy Neutral
3 3300 2 Q2contentyyy Neutral
4 3300 2 Q3contentsss Disagree
5 3300 2 Q3contentsss Disagree
6 3300 2 Q4contentddd StronglyDisagree
7 3300 2 Q4contentddd Disagree
8 3300 2 Q5contentfff Neutral
9 3300 2 Q5contentfff Neutral
10 3300 2 Q6contentggg Disagree
11 3300 2 Q6contentggg Disagree
步骤2
聚合方式pd.crosstab
cols = ['StronglyAgree', 'Agree', 'Neutral', 'Disagree', 'StronglyDisagree']
tmp2 = pd.crosstab(tmp['variable'], tmp['value']).reindex(cols, axis=1, fill_value=0)
#change to percentage
out = tmp2.div(tmp2.sum(axis=1), axis=0).mul(100).astype('int').astype('str').add('%')\
.rename_axis('Question').rename_axis('', axis=1).reset_index()
外：
评论
0赞
Awwwwwan
11/20/2023
嗨，@Panda Kim，您的答案一如既往地快速而完美！这正是我想要的，非常感谢！
评论