GroupBy中子类别的频率

Question

我有一个数据框，如下所示：

首先我想得到CODE值的总体频率，称之为FREQ，然后是每个AXLE组中CODE值的频率，并称之为GROUP_FREQ

我能够使用以下代码计算FREQ列：

pivot = df[['AXLES','CODE']].pivot(['CODE']).agg(['count','mean','min','max'])
pivot['FREQ']=grouped_df.AXLES['count']/pivot.AXLES['count'].sum()*100`

这提供了一个很好的分组数据帧，如下所示：

然而，在下一步中，我不知道如何使用这个grouped_by数据帧计算每个AXLE组中的频率

我试过：

pivot['GROUPFREQ']=pivot['AXLES','mean']['count']/pivot['AXLES','mean']['count'].sum()*100

然而，这给出了一个KeyError: 'count'

我可能走错了路，我试图实现的目标可能无法用groupby实现。在花了几个小时的反复试验之后，我决定与社区进行核实。如果你能让我知道你的想法，我会很高兴的

谢谢

编辑：

可再现输入数据帧：

,CODE,AXLES
0,0101,5
1,001,4
2,0110111,8
3,010111,7
4,0100,5
5,0101,5
6,0110111,8
7,00111,6
8,00111,6
9,0110111,8
10,0100,5
11,0110011,8
12,01011,6
13,0110111,8
14,0110111,8
15,011011,7
16,011011,7
17,011011,7
18,01011,6
19,01011,6

pivot数据帧的所需输出：

CODE,COUNT,AXLES,FREQ,GROUPFREQ
001,1,4,0.05,1.00
00111,2,6,0.1,0.40
0100,2,5,0.1,0.50
0101,2,5,0.1,0.50
01011,3,6,0.15,0.60
010111,1,7,0.05,0.25
0110011,1,8,0.05,0.17
011011,3,7,0.15,0.75
0110111,5,8,0.25,0.83

对于输出的第一行： 001在整个数据集中仅出现一次（20条记录）。因此，频率=1/20=0.05 当数据按轴分组时，对于轴=4组，001是唯一的记录，因此GROUPFREQ=1/1=1.00。（不同轴组下不能出现相同的代码，因此只需检查轴=4的001。）

Answer 1

你是说：

pivot['FREQ'] = df.groupby('AXLES').CODE.value_counts(normalize=True).reset_index(level=0,drop=True)

输出：

       AXLES                   FREQ
       count mean min max          
CODE                               
1          1    4   4   4  1.000000
100        2    5   5   5  0.500000
101        2    5   5   5  0.500000
111        2    6   6   6  0.400000
1011       3    6   6   6  0.600000
10111      1    7   7   7  0.250000
11011      3    7   7   7  0.750000
110011     1    8   8   8  0.166667
110111     5    8   8   8  0.833333