从一个大数据帧创建较小的数据帧，然后将它们传递给不同的函数

Question

我是Python的新手，不知道从哪里开始。我之前发布了类似的问题，但被要求提供更多细节。

假设我有一个数据框，其中包含客户对调查的答复。不同问题有多个问题ID，并且可以基于同一客户对多个问题的回答来复制记录ID。

QuestionID 1 =您的性别是？

QuestionID 2 =您对这项服务的满意度如何？ （0-5分制题）

import pandas as pd 

data = {'RecordID':['01', '01', '02', '02', '03', '03', '04', '04'],
        'QuestionID':['1','2','1','2','1','2','1','2'],
        'Response': ['male', '5', 'male', '4', 'female', '1', 'female', '1']}

df = pd.DataFrame(data)

我希望能够创建段，这些段本质上是主数据帧的过滤版本。我的细分为：

# This gives a dataframe with only female responses
female_response = df[(df['Response'] == 'female')]

# This gives a dataframe with only male responses
male_response = df[(df['Response'] == 'male')]

[接下来，我想创建一个函数，该函数将根据每个段的响应进行某种计算。可以说，我要计算的是“前2个盒子的百分比”，这些客户回答了“您对这项服务的满意度如何”问​​题通过选择4或5。公式为：[回答4或5的人数] / [回答的所有人的人数]

def top2(segment):
    calc = df[(df['QuestionID'] == '2')] 
       t2 = ((calc['4'] + calc['5']) / (calc.sum())) * 100
       return top2percent

上面的函数不正确，因为我在运行它时总是出错。

我想要的最后一步是能够将我创建的两个细分分组，一个是男性受访者，另一个是女性受访者，然后将所有这些细分传递给该函数。

我的最终结果应该是一个新的数据框，其中包含类似于以下内容的订单项：

男性= 100％（在2个男性回答中，一个得分为4，其他得分为5）

女性= 0％（在2个女性回答中，没有一个得分为4或5）

我的用例是，我有一个较大的数据框，我想从中创建较小的段（较小的数据框）。然后，我想创建不同的函数来传递所有段，以使每个段完成计算。

有人可以提供详细的解决方案吗？抱歉，这是一个简单的问题。

Answer 1

对于熊猫数据框，您需要对如何使用数据进行不同的思考。

import pandas as pd 

data = {'RecordID':['01', '01', '02', '02', '03', '03', '04', '04'],
        'QuestionID':['1','2','1','2','1','2','1','2'],
        'Response': ['male', '5', 'male', '4', 'female', '1', 'female', '1']}

df = pd.DataFrame(data)

# convert strings to numbers
df['QuestionID'] = pd.to_numeric(df['QuestionID'])

# reshape the dataframe to records flat with questions wided
df_reshaped = df.set_index(['RecordID', 'QuestionID'])['Response'].unstack()

# convert string to number for scores
df_reshaped[2] = pd.to_numeric(df_reshaped[2])

# Use groupby with aggregration to calculate percent per group.
df_result = df_reshaped.groupby(1)[2].agg(lambda x: (x.isin([4,5]).sum()/x.count()) * 100)

# show output
df_result

输出：

1
female      0
male      100
Name: 2, dtype: int64

---

def get_top_2_percent(df):
    df['QuestionID'] = pd.to_numeric(df['QuestionID'])

    # reshape the dataframe to records flat with questions wided
    df_reshaped = df.set_index(['RecordID', 'QuestionID'])['Response'].unstack()

    # convert string to number for scores
    df_reshaped[2] = pd.to_numeric(df_reshaped[2])

    # Use groupby with aggregration to calculate percent per group. 

    df_result = df_reshaped.groupby(1)[2].agg(lambda x: (x.isin([4, 5]).sum()/x.count()) * 100)
    return df_result