如何用Pandas按cust_id和product_id分组生成降序占比与数量分布列表

给定如下Pandas DataFrame：

import pandas as pd

data = {
    'cust_id': ['abc', 'abc', 'abc', 'abc', 'abc', 'abc', 'abc', 'abc', 'abc', 'abc'],
    'product_id': [12, 12, 12, 12, 12, 12, 12, 12, 12, 12],
    'purchase_country': ['India', 'India', 'India', 'Australia', 'Australia', 'Australia', 'Australia', 'Australia', 'Australia', 'Australia']
}
df = pd.DataFrame(data)

需要完成以下目标：

• 创建pct_region_split和num_region_split两列
• pct_region_split存储各国家购买占比（如示例中Australia占70%，India占30%）
• num_region_split存储各国家购买行数/总行数（如示例中Australia为7/10，India为3/10）
• 两列的值均以降序列表格式存储（占比高的排在前面）

尝试过以下代码但未得到预期结果：

df['total_purchases'] = df.groupby(['cust_id', 'product_id'])['purchase_country'].transform('size')
df['unique_country'] = df.groupby(['cust_id', 'product_id'])['purchase_country'].transform('nunique')

注：真实数据包含1000+客户和200+产品组合，需得到每个cust_id+product_id组合对应的结果。

直接通过分组统计+聚合整理的方式实现，代码如下：

# 1. 三级分组统计：客户+产品+国家，计算每个国家的购买次数
grouped = df.groupby(['cust_id', 'product_id', 'purchase_country']).size().reset_index(name='count')

# 2. 计算每个客户-产品组的总购买数
grouped['total'] = grouped.groupby(['cust_id', 'product_id'])['count'].transform('sum')

# 3. 计算占比并按占比降序排序（确保列表中占比高的在前）
grouped['pct'] = (grouped['count'] / grouped['total'] * 100).round(1)
grouped = grouped.sort_values(by=['cust_id', 'product_id', 'pct'], ascending=[True, True, False])

# 4. 聚合每个客户-产品组，生成列表格式的结果列
result = grouped.groupby(['cust_id', 'product_id']).agg(
    pct_region_split=('pct', lambda x: list(x)),
    num_region_split=('count', lambda x: [f"{cnt}/{x.sum()}" for cnt in x])
).reset_index()

# 查看结果
print(result)

输出结果 #

cust_id  product_id pct_region_split num_region_split
0     abc          12         [70.0, 30.0]      ['7/10', '3/10']

扩展：将结果合并回原DataFrame #

如果需要让原DataFrame的每一行都带上对应的列表列，可执行以下代码：

df_final = df.merge(result, on=['cust_id', 'product_id'], how='left')
print(df_final.head())

该方案高效适配大规模数据（1000+客户/200+产品），所有操作均基于Pandas内置分组函数，避免循环遍历，性能更优。

内容的提问来源于stack exchange，提问作者The Great