0

Eu quero retornar as porcentagens de gêneros de videogames, só que nessa parte do código não retorna todos os resultados.

porcent = pd.DataFrame(base.Genre.unique())

totalPorcGenre = len(base)

for porcen in porcent:
    contagemPorcen = base[base['Genre']==porcen].shape[0]
    print ('Gênero {}: {:0.2f}%'.format(porcen, contagemPorcen * 100/ totalPorcGenre))
Resultado:
Gênero 0: 0.00%

1 Resposta 1

0

Então, vou te dar 2 abordagens para resolver o problema. A primeira é seguindo a sua lógica, iterando sobre um dataframe. A segundo é utilizando alguns métodos do próprio pandas. Lets go!

DataFrame de Exemplo

Antes de nos lançarmos na solução, fiz um recorte simples do seu DataFrame para usar de exemplo.

import pandas as pd

data = {'Rank':[1,2,3,4],
        'Name':['Wii Sports', 'Super Mario', 'Mario Kart', 'Wii Sports R'],
        'Genre':['Sports', 'Plataform', 'Racing', 'Sports']}

base = pd.DataFrame(data)
base.head()

#saída
    Rank    Name            Genre
0   1       Wii Sports      Sports
1   2       Super Mario     Plataform
2   3       Mario Kart      Racing
3   4       Wii Sports R    Sports

1ª solução - Iterando pelo DataFrame

Uilizando a sua lógica de iteração, para iterarmos adequadamente por um DataFrame devemos utilizando um método de iteração, um generator com iterrows ou itertuples. Este gerador retorna um index e a linha contendo os dados daquela linha, similar ao que o enum do python faz. Dessa forma, utilizando a mesma nomenclatura de variáveis, o seu código ficaria dessa forma:

porcent = pd.DataFrame(base.Genre.unique())
totalPorcGenre = len(base)

for index, row in porcent.iterrows():
    contagemPorcen = base[base['Genre']==row[0]].shape[0]
    print ('Gênero {}: {:0.2f}%'.format(row[0], contagemPorcen * 100/ totalPorcGenre))

#saída
Gênero Sports: 50.00%
Gênero Plataform: 25.00%
Gênero Racing: 25.00%

2ª Solução - Utilizando métodos nativos do Pandas

Contudo, não acho que esta seja a melhor abordagem. O Pandas possui uma infinidade de métodos que tornam mais eficiente as manipulações de suas linhas e colunas. Estes métodos são construídos para que não haja iterações/laços otimizando a performance. Em bases com poucas linha é imperceptível, mas em bases maiores, a diferença fica mais evidente. Talk is cheap, show me the code.

#No seu código você criou um DataFrame com um único campo para iterar sobre ele.
porcent = pd.DataFrame(base.Genre.unique())

#Ao invés disso, utilizamos o groupby para criar
#um novo DataFrame com uma nova estatística: count
group_genre = pd.DataFrame({'count': base.groupby(['Genre']).size()})
group_genre

#saída

Genre       count   
Plataform   1
Racing      1
Sports      2

Após isso, basta adicionar uma nova coluna com a nova métrica de interesse, o percentual de cada Gênero de jogo.

count_total = base.shape[0]
count_total

#saída
4

group_genre['percent'] = group_genre['count']/count_total
group_genre

#saída
Genre       count   percent
Plataform   1       0.25
Racing      1       0.25
Sports      2       0.50

O interessante dessa abordagem, ao invés de simplesmente iterar, calcular e printar um número na tela, é que você mantêm as suas principais estatísticas de interesse a sua disposição, alocados em memória para continuar a sua exploração, realizando outras manipulações matemáticas ou plotando histogramas e outros diagramas.

9
  • A primeira solução deu certo, obrigado pela ajuda @LeonardoBorges
    – user143390
    Commented 31/03/2019 às 21:00
  • 1
    Você poderia me explicar o que é parâmetro axis=None?
    – user143390
    Commented 31/03/2019 às 21:23
  • No pandas, geralmente lidamos com DataFrames (DF) que é um estrutura de dados tipicamente matricial, ou seja, temos linhas e colunas.Neste sentido, quando queremos aplicar alguma operação agregadora neste DF, como por exemplo uma função de média (mean), o pandas vai se perguntar: Devemos aplicar a operação nas linhas ou nas colunas? axis=0 (default) aplica nas linhas. axis=1, aplica nas colunas. Commented 31/03/2019 às 21:52
  • Fica mais fácil se você pensar como uma tabela em excel. Imagine uma tabela com várias linhas e colunas e você quer a média de todas as linhas, bastaria usar a função mean com axis=0 e teria uma nova linha com a média. Agora com axis=1, você teria uma nova coluna com a média aplicada em todos os valores das colunas. Commented 31/03/2019 às 21:55
  • E o que seria Axis=None?
    – user143390
    Commented 31/03/2019 às 22:27

Você deve fazer log-in para responder a esta pergunta.