动态分组百分比计算方法：Pandas累加实现

来到golang学习网的大家，相信都是编程学习爱好者，希望在这里学习文章相关编程知识。下面本篇文章就来带大家聊聊《动态分组百分比计算：Pandas 自适应累加实现》，介绍一下，希望对大家的知识积累有所帮助，助力实战开发！

本文介绍如何在 Pandas DataFrame 中，针对每组连续的 `TARGET=1` 序列（长度 ≤6），动态生成从起始位置开始、最终精确达到 100 的累加百分比列 `PERCENTAGE`，并自动将 `TARGET=0` 对应位置设为 0。

在实际数据分析中，常需对二值序列（如事件触发标志）进行阶段化归一化处理。本例要求：每当 TARGET 出现一段连续的 1（最多 6 个），就为其分配一组严格递增、末位恒为 100 的整数百分比值；若连续 1 不足 6 个，则需“右对齐”分配——即跳过前导值，从对应起始位置填入 PCTS 的后缀子序列（例如 4 个 1 → 填 [50, 66, 83, 100]），而非默认的前缀 [16, 33, 50, 66]。

关键在于识别独立的连续 1 段（而非简单按 ID 或 TARGET 分组），并为每段动态截取预定义百分比模板的尾部。以下是完整、健壮的实现方案：

✅ 步骤解析与代码实现

首先定义全局百分比基准（以整数形式避免浮点误差）：

MAX_ONES = 6
# 生成 [16, 33, 50, 66, 83, 100] —— 精确满足 100/6 的累加整数近似
PCTS = [int(round(100 * n / MAX_ONES)) for n in range(1, MAX_ONES + 1)]
# 注意：使用 round() 可提升数值稳定性，结果仍为 [16, 33, 50, 66, 83, 100]

接着，利用 diff() + cumsum() 识别每个独立的连续 1 块（即逻辑上的“事件段”）：

import pandas as pd
import numpy as np

# 示例数据构造（含多 ID、多段连续 1）
df = pd.DataFrame({
    'ID': ['A', 'A', 'A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],
    'TARGET': [1, 1, 1, 1, 0, 0, 0, 1, 1, 1, 0]
})

# 标记连续 1 的段落：当 TARGET 从 0→1 或开头时开启新段
seg_mask = (df['TARGET'] == 1) & ((df['TARGET'].shift(1) != 1) | df.index.isin([0]))
df['SEG_ID'] = seg_mask.cumsum()

# 仅对 TARGET==1 的行计算 PERCENTAGE，按 SEG_ID 分组
def assign_pct(group):
    n_ones = len(group)
    # 取 PCTS 的最后 n_ones 个值（右对齐）
    values = PCTS[-n_ones:] if n_ones <= MAX_ONES else PCTS
    return pd.Series(values, index=group.index)

df['PERCENTAGE'] = 0  # 初始化
mask_ones = df['TARGET'] == 1
df.loc[mask_ones, 'PERCENTAGE'] = df[mask_ones].groupby('SEG_ID')['ID'].transform(assign_pct)

# 确保 TARGET==0 时 PERCENTAGE 为 0（冗余但保险）
df['PERCENTAGE'] = df['PERCENTAGE'].where(df['TARGET'] == 1, 0).astype(int)

? 输出效果验证

对输入：

   ID  TARGET
0   A       1
1   A       1
2   A       1
3   A       1
4   A       0
5   A       0
6   A       0
7   B       1
8   B       1
9   B       1
10  B       0

输出 PERCENTAGE 列为：[50, 66, 83, 100, 0, 0, 0, 50, 66, 83, 0] —— 完全符合需求：每段连续 1 均以 100 结尾，且长度自适应。

⚠️ 注意事项

• 勿用 groupby(['ID', 'TARGET'])：它会把所有 ID=A & TARGET=1 合并为一组，破坏连续性逻辑；
• SEG_ID 构建是核心：依赖 TARGET.shift() 检测上升沿，确保每段独立；
• 整数截断处理：int(round(...)) 比纯 int() 更合理，避免因浮点误差导致末项 ≠100；
• 扩展性：若需支持不同 MAX_ONES 或非整数精度，可将 PCTS 改为 np.linspace(100/MAX_ONES, 100, MAX_ONES) 后取整。

该方法兼顾准确性、可读性与性能，适用于中等规模数据（百万行内），是处理阶段性归一化指标的推荐实践。

终于介绍完啦！小伙伴们，这篇关于《动态分组百分比计算方法：Pandas累加实现》的介绍应该让你收获多多了吧！欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识，快来关注吧！