如何对Pandas多级索引分组统计结果计算bar/foo计数比值？

原始数据：

level0  level1  level2
0   0       A       foo
1   0       A       bar
2   0       B       foo
3   0       B       foo
4   0       B       foo
5   0       B       bar
6   1       A       foo
7   1       A       bar

执行分组计数后得到多级索引结果：

level0  level1  level2
0       A       foo            1
                bar            1
        B       foo            3
                bar            1
1       A       foo            1
                bar            1
        B       foo            1
                bar            1
2       A       foo            1
                bar            1
        B       foo            1
                bar            1

需求：计算每个level0+level1分组下，level2中bar计数与foo计数的比值。

方法1：基于已有分组结果处理 #

先将多级索引的计数结果转换为宽表结构，再直接计算比值：

# 假设已有的分组计数结果为counts
counts = df.groupby(['level0', 'level1', 'level2']).size()

# 将level2从索引转为列，缺失分组填充0
counts_wide = counts.unstack(level='level2', fill_value=0)

# 计算bar/foo比值
bar_foo_ratio = counts_wide['bar'] / counts_wide['foo']

# 可选：转为更易读的格式
bar_foo_ratio = bar_foo_ratio.rename('bar/foo_ratio').reset_index()

执行后得到结果：

level0 level1  bar/foo_ratio
0       0      A       1.000000
1       0      B       0.333333
2       1      A       1.000000
3       1      B       1.000000
4       2      A       1.000000
5       2      B       1.000000

方法2：用pivot_table一步完成统计与计算 #

直接通过透视表生成foo和bar的计数列，再计算比值，省去单独分组的步骤：

# 生成透视表，统计各分组计数
pivot_df = df.pivot_table(
    index=['level0', 'level1'],
    columns='level2',
    aggfunc='size',
    fill_value=0
)

# 计算比值
bar_foo_ratio = pivot_df['bar'] / pivot_df['foo']

问题分析 #

之前用.div或.apply失败，大概率是因为多级索引的结构未处理到位——level2作为索引层级而非列，无法直接针对foo和bar做元素级除法。通过unstack或pivot_table将level2转为列后，就能轻松实现比值计算。

内容的提问来源于stack exchange，提问作者jeff_new