合并两个按月分组的DataFrame并计算占比

现有分组统计代码 #

你已通过以下代码分别按Data przyjęcia和Data GW字段的月份（yyyy-mm格式）统计了唯一NIP dłużnika的数量：

przyjecia = df.groupby(pd.to_datetime(df['Data przyjęcia']).dt.to_period('M'))['NIP dłużnika'].nunique()
gw = df.groupby(pd.to_datetime(df['Data GW']).dt.to_period('M'))['NIP dłużnika'].nunique()

已知分组结果 #

• Data GW分组：
  • 2023-01: 345
  • 2023-02: 234
  • 2023-03: 344
• Data przyjęcia分组：
  • 2023-01: 1736
  • 2023-02: 1614
  • 2023-03: 1728

解决方案代码 #

直接合并两个分组结果并计算百分比列：

import pandas as pd

# 若已有przyjecia和gw两个Series，可跳过模拟数据部分
# 模拟分组结果
przyjecia = pd.Series(
    [1736, 1614, 1728],
    index=pd.PeriodIndex(['2023-01', '2023-02', '2023-03'], freq='M'),
    name='Data przyjęcia统计数'
)
gw = pd.Series(
    [345, 234, 344],
    index=pd.PeriodIndex(['2023-01', '2023-02', '2023-03'], freq='M'),
    name='Data GW统计数'
)

# 按日期索引合并，重置索引将日期转为列
merged_df = pd.concat([przyjecia, gw], axis=1).reset_index(names='日期')

# 计算百分比（保留两位小数）
merged_df['Data GW统计数/Data przyjęcia统计数的百分比'] = (
    merged_df['Data GW统计数'] / merged_df['Data przyjęcia统计数'] * 100
).round(2)

# 查看结果
print(merged_df)

最终输出表格 #

补充说明 #

• 如果某月份仅存在其中一组数据，合并后对应位置会出现NaN，可添加fillna(0)处理：merged_df = pd.concat([przyjecia, gw], axis=1).fillna(0).reset_index(names='日期')
• 若需将日期转为字符串格式，执行：merged_df['日期'] = merged_df['日期'].astype(str)

内容的提问来源于stack exchange，提问作者Grzegorz Z