如何按指定分箱数量对有序DataFrame进行分组聚合？

问题描述 #

我有一个如下结构的Pandas DataFrame：

我希望不受year列具体数值影响，将数据分为2个分箱：前两行归为一组，后两行归为另一组，对每组内的count_yes和count_no求和，得到如下结果：

之后我会用处理后的数据生成堆叠百分比柱状图，已写好绘图函数，只需调整DataFrame结构即可。

解决方案 #

这里有两种简单的方法可以实现你的需求，完全不依赖year的数值，直接按行位置分组求和：

方法1：手动分配分组标签（适合固定行数的场景）

如果你的数据行数固定（比如就是4行），可以直接给前两行和后两行分别分配分组标签，再分组求和：

import pandas as pd

# 初始化原始DataFrame
df = pd.DataFrame({
    'year': [1900, 1903, 1915, 1919],
    'count_yes': [5, 5, 14, 6],
    'count_no': [7, 3, 6, 14]
})

# 给每行分配分组标签：前两行标记为"1900"，后两行标记为"1910"
df['group'] = ['1900'] * 2 + ['1910'] * 2

# 按分组求和，并重命名列
result_df = df.groupby('group')[['count_yes', 'count_no']].sum().reset_index()
result_df = result_df.rename(columns={'group': 'year'})

print(result_df)

运行后输出的结果完全符合你的预期：

year  count_yes  count_no
0  1900         10        10
1  1910         20        20

方法2：动态分箱（适合行数较多的场景）

如果你的数据行数不固定，需要自动分成等数量的N个组，可以用pd.cut对行索引进行分箱，这种方法更灵活：

import pandas as pd

df = pd.DataFrame({
    'year': [1900, 1903, 1915, 1919],
    'count_yes': [5, 5, 14, 6],
    'count_no': [7, 3, 6, 14]
})

# 将行索引分成2个等数量的组，自定义分组标签
df['group'] = pd.cut(df.index, bins=2, labels=['1900', '1910'])

# 分组求和并调整结构
result_df = df.groupby('group')[['count_yes', 'count_no']].sum().reset_index().rename(columns={'group': 'year'})

这种方法会自动将数据平均分成指定数量的组，不需要手动计算行数，适合数据量较大的场景。

可视化验证 #

处理后的每组中count_yes和count_no的总和相等，所以堆叠后各自的占比都是50%，完全满足你生成堆叠百分比柱状图的需求。

内容的提问来源于stack exchange，提问作者mateusvl