计数未过滤值\u与过滤后的值一起计数

Question

假设我有一个糕点的数据框架

       Pastry      Flavor      Qty
0     Cupcake      Cheese      3
1   Cakeslice   Chocolate      2
2        Tart       Honey      2
3   Croissant   Raspberry      1

我得到每个糕点的特定风味的值计数

df[df['Flavor'] == 'Cheese']['Pastry'].value_counts()

Cupcake    4
Tart       4
Cakeslice  3
Turnover   3
Creampie   2
Danish     2
Bear Claw  2

然后，为了得到味道数量的百分位数，我可以这样做

df[df['Flavor'] == 'Cheese']['Pastry'].value_counts().describe(percentiles=[.75, .85, .95]) 

我会得到这样的结果（来自完整的数据帧）

count    35.00000
mean     1.485714
std      0.853072
min      1.000000
50%      1.000000
75%      2.000000
85%      2.000000
95%      3.300000
max      4.000000

其中，奶酪风味的不同糕点总数为35个，因此，奶酪总量分布在这35个糕点之间。平均数量为1.48，最大数量为4（纸杯蛋糕和蛋挞）等

我想做的是通过计算风味列中所有其他非“奶酪”的值来降低第95个百分位数，但是value_counts（）只计算“奶酪”的值，因为我过滤了数据帧。我如何计算非奶酪行，使我的百分位数下降，并代表奶酪总量在整个数据帧中的分布

这是一个示例输出：

Cupcake    4
Tart       4
Cakeslice  3
Turnover   3
Creampie   2
Danish     2
Bear Claw  2
Swiss Roll 1
Baklava    0
Cannoli    0

如果非奶酪风味糕点包含0作为数量，从那里我可以得到百分位数，它们将减少，因为现在有0个值稀释它们

Answer 1

我决定走很长的路去尝试解决这个问题，我的结果给了我与this问题相同的答案

这里有很长的路要走，以防有人好奇

pastries = {}

for p in df['Pastry'].unique():
  pastries[p] = df[(df['Flavor'] == 'Cheese') & (df['Pastry'] == p)]['Pastry'].count()

newdf = pd.DataFrame.from_dict(pastries.items())

newdf.describe(percentiles=[.75, .85, .95])