如何在Python中快速计算数据帧列中每个值的概率

Question

我想根据自己的分布计算列数据框中所有数据的概率。例如，我的数据是这样的：

data 
0  1 
1  1 
2  2 
3  3 
4  2 
5  2 
6  7 
7  8 
8  3 
9  4 
10  1 

和输出我希望是这样的：

data  pro 
0  1 0.155015 
1  1 0.155015 
2  2 0.181213 
3  3 0.157379 
4  2 0.181213 
5  2 0.181213 
6  7 0.048717 
7  8 0.044892 
8  3 0.157379 
9  4 0.106164 
10  1 0.155015 

我还指another question(How to compute the probability ...)并获得above.My代码示例如下：

import scipy.stats 
samples = [1,1,2,3,2,2,7,8,3,4,1] 
samples = pd.DataFrame(samples,columns=['data']) 
print(samples) 
kde = scipy.stats.gaussian_kde(samples['data'].tolist()) 
samples['pro'] = kde.pdf(samples['data'].tolist()) 
print(samples) 

但是，我不能忍受的是，如果我的专栏太长，它会使操作变慢。有没有更好的方法来做到这一点在熊猫呢？在此先感谢。

Answer 1

它自己的分布并不意味着kde。您可以使用value_counts与normalize=True

df.assign(pro=df.data.map(df.data.value_counts(normalize=True))) 

    data  pro 
0  1 0.272727 
1  1 0.272727 
2  2 0.272727 
3  3 0.181818 
4  2 0.272727 
5  2 0.272727 
6  7 0.090909 
7  8 0.090909 
8  3 0.181818 
9  4 0.090909 
10  1 0.272727