如何按大洲分组并对% Renewable分箱后生成多级索引计数Series

我需要按大洲分组，对每个国家的% Renewable浮点值进行分箱处理，最终生成以Continent和**% Renewable**为多级索引、计数为值的Series，要求每个大洲下包含所有分箱（即使该分箱内国家数量为0）。

现有进展 #

已完成全局分箱统计，代码如下：

groups =  pd.value_counts(pd.cut(renew['% Renewable'], 5))
groups = pd.DataFrame(groups).reset_index()

得到的统计结果：

% Renewable counts
0   (2.213, 15.754]     7
1   (15.754, 29.228]    4
2   (29.228, 42.702]    2
3   (56.176, 69.65]     2
4   (42.702, 56.176]    0

期望输出 #

示例格式如下：

Asia      (2.213, 15.754]       3
          (15.754, 29.228]      1
          (29.228, 42.702]      2
          (56.176, 69.65]       0
          (42.702, 56.176]      0
Europe    (2.213, 15.754]       2
          (15.754, 29.228]      2
          (29.228, 42.702]      0
          (56.176, 69.65]       1
          (42.702, 56.176]      0
....and so on

数据集片段 #

Country Continent   % Renewable
0   China   Asia    (15.754, 29.228]
1   United States   North America   (2.213, 15.754]
2   Japan   Asia    (2.213, 15.754]
3   United Kingdom  Europe  (2.213, 15.754]
4   Russian Federation  Europe  (15.754, 29.228]

解决方案 #

步骤1：统一分箱规则 #

先计算全局分箱区间，确保所有大洲使用同一套分箱标准，避免分箱区间不一致：

# 获取全局分箱的所有区间
bins = pd.cut(renew['% Renewable'], 5).categories
# 为原始数据添加分箱列
renew['renew_bin'] = pd.cut(renew['% Renewable'], bins=bins)

步骤2：分组计数并补全缺失分箱 #

按大洲和分箱分组统计后，通过重新索引补全所有分箱（包括计数为0的情况）：

# 按大洲和分箱分组，统计每个组的国家数量
grouped_counts = renew.groupby(['Continent', 'renew_bin']).size()
# 生成所有大洲与分箱的笛卡尔积索引，确保每个大洲包含所有分箱
full_multi_index = pd.MultiIndex.from_product(
    [renew['Continent'].unique(), bins],
    names=['Continent', '% Renewable']
)
# 重新索引，缺失的分箱计数填充为0
final_result = grouped_counts.reindex(full_multi_index, fill_value=0)

可选：转换为DataFrame #

如果需要将结果转换为DataFrame格式，执行以下代码：

final_df = final_result.to_frame(name='counts')

内容的提问来源于stack exchange，提问作者Brian Cox