Pandas分组统计类别百分比技巧

本文深入讲解了如何在 Pandas 中对多级分组（如按月份和企业属性）后的数据，精准、高效地计算指定类别（如“truck”）在每组内的占比，并将其作为新列无缝融入聚合结果——不仅提供了清晰直观的 `groupby().apply()` 实现方案，还对比分析了多种替代方法的适用场景与性能权衡，涵盖健壮性处理（如防 KeyError）、缺失值应对及大规模数据优化技巧，是数据分析师掌握高阶分组比例统计不可或缺的实战指南。

本文详解如何在 Pandas 中对 DataFrame 按两个字段（如 Date_M 和 Corporate）进行分组后，高效计算某分类列（如 Vehicle type）中指定类别（如 'truck'）所占的百分比，并将结果作为新列添加到聚合结果中。

本文详解如何在 Pandas 中对 DataFrame 按两个字段（如 `Date_M` 和 `Corporate`）进行分组后，高效计算某分类列（如 `Vehicle type`）中指定类别（如 `'truck'`）所占的百分比，并将结果作为新列添加到聚合结果中。

在数据分析中，常需在多级分组（multi-level grouping）基础上，进一步统计某分类变量的构成比例。例如，按月份（Date_M）和企业属性（Corporate）分组后，计算每组中卡车（'truck'）占全部车辆类型的百分比——这既非简单 value_counts(normalize=True)，也非单列 groupby().size()，而需结合分组上下文动态计算子组内比例。

核心思路是：利用 groupby().apply() 对每个分组子集独立执行布尔索引与比例运算。相比先 agg() 再 map() 或 merge()，apply 更直观、语义清晰，且天然保留分组索引结构，便于与已有聚合结果对齐。

以下为完整实现流程（基于您提供的数据）：

import pandas as pd
import numpy as np

# 构建示例数据
data = {
    "Date": ["2019-08-26 04:14:00", "2020-08-27 01:21:03", "2019-08-26 18:49:04",
             "2020-08-31 16:57:02", "2020-08-23 14:48:02"],
    "Cost": [23719, 17159, 3629, 50738, 48173],
    "Corporate": [0, 0, 0, 1, 0],
    "Vehicle type": ["automobile", "truck", "truck", "automobile", "truck"],
    "Price": [25903, 24748, 11777, 51296, 56314],
    "Insurance": [1, 1, 0, 0, 0],
    "Date_M": ["2019-08", "2020-08", "2019-08", "2020-08", "2020-08"],
}
df = pd.DataFrame(data)

# 筛选无保险记录
df_no_insurance = df[df['Insurance'] == 0]

# 按双列分组
df_group = df_no_insurance.groupby(['Date_M', 'Corporate'])

# 聚合基础指标
results = pd.DataFrame()
results['Number of cars'] = df_group['Date'].count()
results['Доходность'] = np.round(
    (df_group['Price'].sum() - df_group['Cost'].sum()) / df_group['Price'].sum() * 100,
    2
)

# ✅ 关键步骤：计算每组中 'truck' 的百分比
results['Percentage of Trucks'] = df_group.apply(
    lambda x: (x['Vehicle type'] == 'truck').sum() / len(x) * 100
)

运行后，results 将包含三列，其中 Percentage of Trucks 精确反映每个 (Date_M, Corporate) 组合中卡车占比（如 2019-08 + 0 组含 2 条记录，均为 'truck' → 100.0%）。

⚠️ 注意事项：

• df_group.apply(...) 中的 x 是每个分组的子 DataFrame，因此 len(x) 即该组总行数，(x['Vehicle type'] == 'truck').sum() 统计布尔序列中 True 的个数；
• 若需计算多个类别（如 'truck', 'automobile', 'van'）的占比，推荐改用 value_counts(normalize=True).get('truck', 0) * 100，更健壮（避免 KeyError）；
• 性能敏感场景下，可改用 agg 配合自定义函数（如 lambda s: (s == 'truck').mean() * 100），避免 apply 的 Python 层循环开销；
• 确保分组键无缺失值（NaN），否则会导致对应组被自动丢弃——必要时先 dropna=False 或填充。

此方法通用性强，适用于任意分类列（如产品类型、用户等级、地域标签等）的组内比例分析，是 Pandas 多维聚合分析中的关键技能之一。

好了，本文到此结束，带大家了解了《Pandas分组统计类别百分比技巧》，希望本文对你有所帮助！关注golang学习网公众号，给大家分享更多文章知识！