如何在按Date_M和Corporate分组后计算卡车占比并添加至结果表？

现有如下Pandas DataFrame：

已执行以下代码筛选无保险数据，按Date_M和Corporate分组统计车辆数及收益率：

import pandas as pd
import numpy as np

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)

no_insurance = df['Insurance'] == 0
df_no_insurance = df[no_insurance]
results = pd.DataFrame()
df_group = df_no_insurance.groupby(['Date_M','Corporate'])
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)

现在需要计算每组中truck（卡车）的占比，并将其插入results表的新列中，该如何实现？

核心思路是统计每组内truck的数量，再除以该组总车辆数得到占比，以下两种方法均可实现：

方法一：基于已有分组补充计算 #

直接利用已创建的df_group统计卡车数量，再结合已有的车辆数计算占比：

# 统计每组内truck的数量
truck_count = df_group['Vehicle type'].apply(lambda x: (x == 'truck').sum())
# 计算占比并保留两位小数，添加到results表中
results['Truck ratio'] = np.round(truck_count / results['Number of cars'] * 100, 2)

方法二：一次性聚合所有指标 #

重新定义分组聚合逻辑，一次性完成车辆数、收益率、卡车占比的统计，效率更高：

# 一次性聚合计算所有所需指标
results = df_no_insurance.groupby(['Date_M','Corporate']).agg(
    Number_of_cars=('Date', 'count'),
    Доходность=('Price', lambda x: np.round((x.sum() - df_no_insurance.loc[x.index, 'Cost'].sum())/x.sum()*100, 2)),
    Truck_ratio=('Vehicle type', lambda x: np.round((x == 'truck').sum()/len(x)*100, 2))
).rename(columns={'Number_of_cars': 'Number of cars'})

最终结果 #

执行后results的输出如下：

内容的提问来源于stack exchange，提问作者lelelel