如何在Pandas长格式数据框中添加民主党候选人得票率列

需求说明 #

需要计算指定选举年份、指定选区中民主党候选人的总得票率，并将该得票率值填充到对应选区选举的所有候选人数据行中。现有Pandas数据框包含以下字段：

• year：选举年份
• state：州
• district：选区
• candidate：候选人姓名
• party：所属党派
• candidatevotes：候选人得票数
• totalvotes：选区总票数

示例输入数据 #

year    state  district                   candidate       party  candidatevotes  totalvotes
0  1976  alabama         1              BILL DAVENPORT    DEMOCRAT           58906      157170 
1  1976  alabama         1                JACK EDWARDS  REPUBLICAN           98257      157170 
2  1976  alabama         1                     WRITEIN         NaN               7      157170
3  1976  alabama         2             J CAROLE KEAHEY    DEMOCRAT           66288      156362
4  1976  alabama         2  WILLIAM L "BILL" DICKINSON  REPUBLICAN           90069      156362

期望输出结果 #

year    state  district                   candidate       party  candidatevotes  totalvotes    Dem_vote_share
0  1976  alabama         1              BILL DAVENPORT    DEMOCRAT           58906      157170    0.374
1  1976  alabama         1                JACK EDWARDS  REPUBLICAN           98257      157170    0.374
2  1976  alabama         1                     WRITEIN         NaN               7      157170    0.374
3  1976  alabama         2             J CAROLE KEAHEY    DEMOCRAT           66288      156362    0.424
4  1976  alabama         2  WILLIAM L "BILL" DICKINSON  REPUBLICAN           90069      156362    0.424

解决方案代码 #

# 生成唯一选区标识列，将州和选区拼接
df['Unique_District'] = df[['state', 'district']].apply(lambda x: '-'.join(x.astype(str)), axis=1)

# 计算每个年份-选区的民主党总得票率
mapping_vals = (
    df[df['party'].eq('DEMOCRAT')]  # 筛选民主党候选人数据
    .set_index(['year', 'Unique_District'])  # 设置年份和唯一选区为索引
    .apply(lambda x: x['candidatevotes']/x['totalvotes'], axis=1)  # 计算单个民主党候选人得票率
    .groupby(level=[0,1]).sum()  # 按年份和唯一选区分组求和，得到该选区民主党总得票率
)

# 将得票率映射回原数据框的所有行
df['Dem_vote_share'] = df.set_index(['year', 'Unique_District']).index.map(mapping_vals)

内容的提问来源于stack exchange，提问作者Damon C. Roberts