如何在Pandas DataFrame中替换for循环实现占比统计？

我有一个处理不同区域和国家预期寿命文章数据的DataFrame，需要统计：

• 各区域文章占总文章的比例
• 各区域内男性、女性、双性相关文章的占比

目前用带for循环的calc_proportion函数实现，但想替换掉for循环，生成目标结果DataFrame。原函数代码如下：

def calc_proportion(df):
    proportions = pd.DataFrame(columns=['Region', 'Proportion_of_all_articles', 'Proportion_male_articles', 'Proportion_female_articles', 'Proportion_bs_articles'])
    Regions = df.Region.unique()
    for region in Regions:
        a = f"{df.loc[df['Region'] == region].shape[0] / df.shape[0] : .0%}"
        b = f"{df.loc[(df['Region'] == region) & (df['Sex'] == 'Male')].shape[0] / df.loc[df['Region'] == region].shape[0] : .0%}"
        c = f"{df.loc[(df['Region'] == region) & (df['Sex'] == 'Female')].shape[0] / df.loc[df['Region'] == region].shape[0] : .0%}"
        d = f"{df.loc[(df['Region'] == region) & (df['Sex'] == 'Both sexes')].shape[0] / df.loc[df['Region'] == region].shape[0] : .0%}"
        proportions.loc[len(proportions)] = [region, a, b, c, d]
    return proportions

calc_proportion(df)

利用Pandas的分组、透视表和向量运算功能，可高效替代for循环，代码如下：

import pandas as pd

def calc_proportion(df):
    # 统计各区域文章总数及占总文章的比例
    region_summary = df.groupby('Region').size().reset_index(name='region_total')
    total_all = df.shape[0]
    region_summary['Proportion_of_all_articles'] = (region_summary['region_total'] / total_all).map("{:.0%}".format)
    
    # 统计各区域内不同性别的文章占比
    sex_counts = df.pivot_table(index='Region', columns='Sex', aggfunc='size', fill_value=0)
    sex_proportions = (sex_counts.div(sex_counts.sum(axis=1), axis=0)).map("{:.0%}".format)
    
    # 合并结果并调整列名、顺序
    final_result = pd.merge(region_summary, sex_proportions, on='Region')
    final_result = final_result.rename(columns={
        'Male': 'Proportion_male_articles',
        'Female': 'Proportion_female_articles',
        'Both sexes': 'Proportion_bs_articles'
    })
    
    # 保留目标列并排序
    final_result = final_result[[
        'Region', 
        'Proportion_of_all_articles', 
        'Proportion_male_articles', 
        'Proportion_female_articles', 
        'Proportion_bs_articles'
    ]]
    return final_result

代码说明 #

• 区域占比计算：通过groupby('Region').size()快速统计各区域文章数，再除以总文章数得到占比，用map格式化百分比。
• 性别占比计算：用pivot_table按区域-性别分组计数，再通过div按行计算各性别占区域总数的比例，同样格式化百分比。
• 结果合并：将区域占比和性别占比的结果合并，调整列名和顺序，完全匹配原函数的输出格式。

内容的提问来源于stack exchange，提问作者Anna_Kr