在Pandas中按多列分组计算通过率的实现方法

问题场景 #

你有一个包含type、location、pass、enrolled列的Pandas DataFrame，示例数据如下：

1. student、US、yes、highschool
2. student、CA、yes、highschool
3. teacher、US、yes、college
4. teacher、US、no、college
5. student、US、no、highschool
6. student、CA、yes、college
7. student、CA、no、college

需要按type、location、enrolled三列分组，计算每组的通过率（pass_rate），最终得到包含分组列与pass_rate的结果表。你尝试执行df = df.groupby(["type", "location", "enrolled"]).count().mean()，但仅得到一个整数，需要正确的实现方法。

DataFrame生成代码：

import pandas as pd

list_of_dict = [
    {"type": "student", "location": "US", "pass": "yes", "enrolled": "highschool"},
    {"type": "student", "location": "CA", "pass": "yes", "enrolled": "highschool"},
    {"type": "teacher", "location": "US", "pass": "yes", "enrolled": "college"},
    {"type": "teacher", "location": "US", "pass": "no", "enrolled": "college"},
    {"type": "student", "location": "US", "pass": "no", "enrolled": "highschool"},
    {"type": "student", "location": "CA", "pass": "yes", "enrolled": "college"},
    {"type": "student", "location": "CA", "pass": "no", "enrolled": "college"},
]
df = pd.DataFrame(list_of_dict)

错误原因 #

你用的groupby(["type", "location", "enrolled"]).count().mean()逻辑错误：count()会先对每组的各列计数，返回一个包含分组索引的DataFrame；后续的.mean()是对整个计数结果取全局均值，自然只会得到一个单一数值，而非分组的通过率。

正确实现方法 #

方法1：转换pass列为数值后计算分组均值

将pass列的yes转为1、no转为0，再对分组后的数值列取均值，直接得到通过率：

# 转换pass列为数值类型
df['pass_num'] = df['pass'].replace({'yes': 1, 'no': 0})

# 分组计算通过率并重置索引
result = df.groupby(['type', 'location', 'enrolled'])['pass_num'].mean().reset_index(name='pass_rate')

方法2：分组时直接用agg自定义计算

无需额外列，直接在agg中通过lambda表达式计算每组内yes的占比：

result = df.groupby(['type', 'location', 'enrolled']).agg(
    pass_rate=('pass', lambda x: (x == 'yes').mean())
).reset_index()

方法3：利用value_counts的normalize参数

通过value_counts(normalize=True)直接统计每组内pass值的占比，再提取yes对应的比例：

# 分组统计pass值的占比，提取yes的比例并整理格式
result = df.groupby(['type', 'location', 'enrolled'])['pass'].value_counts(normalize=True).unstack().fillna(0)['yes'].reset_index(name='pass_rate')

最终结果 #

执行任意一种方法后，result的输出如下：

内容的提问来源于stack exchange，提问作者unlocknew