pandas - 基于分组依据汇总（计算比率）总和与总计数的最佳方式（运行时）

Question

我正在尝试确定已批准的申请（由标志“1”标识，如果不是，则为“0”）与每个人的总申请（Cust_ID）的比率。我通过下面的代码实现了这个逻辑，但计算 160 万条记录需要大约 10 分钟。是否有更快的执行相同操作的方法？

# Finding ratio of approved out of total applications
df_approved_ratio = df.groupby('Cust_ID').apply(lambda x:x['STATUS_Approved'].sum()/len(x))

标签： pandaspython-3.6calculation

Answer 1

我认为需要汇总mean：

df = pd.DataFrame({'STATUS_Approved':[0,1,0,0,1,1],
                   'Cust_ID':list('aaabbb')})

print (df)
   STATUS_Approved Cust_ID
0                0       a
1                1       a
2                0       a
3                0       b
4                1       b
5                1       b

df_approved_ratio = df.groupby('Cust_ID')['STATUS_Approved'].mean()
print (df_approved_ratio)
Cust_ID
a    0.333333
b    0.666667
Name: STATUS_Approved, dtype: float64

print (df.groupby('Cust_ID').apply(lambda x:x['STATUS_Approved'].sum()/len(x)))
Cust_ID
a    0.333333
b    0.666667
Name: STATUS_Approved, dtype: float64