计算2列分组后该列中的值所占的百分比

Question

我有以下数据框：

	日期	成本	企业	车辆类型	价格	保险	日期_M
0	2019-08-26 04:14:00	23719	0	汽车	25903	1	2019-08
1	2020-08-27 01:21:03	17159	0	卡车	24748	1	2020-08
2	2019-08-26 18:49:04	3629	0	卡车	11777	0	2019-08
3	2020-08-31 16:57:02	50738	1	汽车	51296	0	2020-08
4	2020-08-23 14:48:02	48173	0	卡车	56314	0	2020-08

---

no_insurance = df['Insurance'] == 0
df_no_insurance = df[no_insurance]
results = pd.DataFrame()
df_group = df_no_insurance.groupby((['Date_M','Corporate']))
results['Number of cars'] = df_group['Date'].count()
results['Доходность'] = np.round((df_group['Price'].sum() - df_group['Cost'].sum())/df_group['Price'].sum() * 100, 2)

结果

这是它们在控制台上的显示方式

		汽车数量	盈利能力
数据_M	企业
2019-04	0	61	10.10
	1	53	7.36
2019-05	0	68	8.44
	1	68	8.61

如何计算卡车的百分比并将其插入到新的结果列中？

Answer 1

与您已有的类似，只需过滤

df_no_insurance

以仅保留卡车：

results["Number of trucks"] = (
    df_no_insurance.loc[df_no_insurance["Vehicle type"] == "truck"]
    .groupby((["Date_M", "Corporate"]))["Date"]
    .count()
)
results["Number of trucks"] = results["Number of trucks"].fillna(0).astype(int)

结果：

                   Number of cars  Доходность  Number of trucks
Date_M  Corporate                                              
2019-08 0                       1       69.19                 1
2020-08 0                       1       14.46                 1
        1                       1        1.09                 0