如何从数据帧计算事件的相对频率？
How to calculate relative frequency of an event from a dataframe?
我有一个包含特定时期温度数据的数据框。有了这些数据，我想计算 8 月气温高于 20° 以及 1 月气温低于 2° 的相对频率。我已经设法将这两列提取到单独的数据框中，以获取每个温度事件的计数，并使用归一化函数以百分比形式获取每个值的频率（参见代码）。
df_temp1[df_temp1.aug >=20]
df_temp1[df_temp1.jan <= 2]
df_temp1['aug'].value_counts()
df_temp1['jan'].value_counts()
df_temp1['aug'].value_counts(normalize=True)*100
df_temp1['jan'].value_counts(normalize=True)*100
我没能计算出 aug>=20、jan<=2 以及 aug>=20 AND jan<=2 和 aug>=20 OR jan<=2 的相对频率.
也许有人可以帮我解决这个问题。谢谢
我会尝试这样的事情：
proprortion_of_augusts_above_20 = (df_temp1['aug'] >= 20).mean()
proprortion_of_januaries_below_20 = (df_temp1['jan'] <= 2).mean()
这里分两步计算。首先，df_temp1['aug'] >= 20 创建一个布尔数组，True 代表大于 20 的月份，False 代表不大于 20 的月份。
然后，mean() 将 True 和 False 重新解释为 1 和 0。平均值是满足条件的月份的百分比除以 100。
顺便说一句，我会在问题中推荐 posting your data，这样人们可以通过回答来检查他们的解决方案是否有效。
我有一个包含特定时期温度数据的数据框。有了这些数据，我想计算 8 月气温高于 20° 以及 1 月气温低于 2° 的相对频率。我已经设法将这两列提取到单独的数据框中，以获取每个温度事件的计数，并使用归一化函数以百分比形式获取每个值的频率（参见代码）。
df_temp1[df_temp1.aug >=20]
df_temp1[df_temp1.jan <= 2]
df_temp1['aug'].value_counts()
df_temp1['jan'].value_counts()
df_temp1['aug'].value_counts(normalize=True)*100
df_temp1['jan'].value_counts(normalize=True)*100
我没能计算出 aug>=20、jan<=2 以及 aug>=20 AND jan<=2 和 aug>=20 OR jan<=2 的相对频率. 也许有人可以帮我解决这个问题。谢谢
我会尝试这样的事情：
proprortion_of_augusts_above_20 = (df_temp1['aug'] >= 20).mean()
proprortion_of_januaries_below_20 = (df_temp1['jan'] <= 2).mean()
这里分两步计算。首先，df_temp1['aug'] >= 20 创建一个布尔数组，True 代表大于 20 的月份，False 代表不大于 20 的月份。
然后，mean() 将 True 和 False 重新解释为 1 和 0。平均值是满足条件的月份的百分比除以 100。
顺便说一句，我会在问题中推荐 posting your data，这样人们可以通过回答来检查他们的解决方案是否有效。