基于Pandas优化多年度各县数据占比统计代码的技术问询

有一份包含5年数据的数据集，需要生成一个DataFrame完成以下统计：

• 每年各County中Column 1值>10的行占比
• 各County在当年数据集中的重要性（即行数占当年总行数的比例）
• 最终按年度取平均值

已实现单年度（2018年）的逻辑，代码如下：

df_2018_1 = df[(df.Year=='2018')]
df_2018_2 = df[(df.column_1 > 10) & (df.Year=='2018')]
df_2018_cur = pd.DataFrame()
df_2018_cur['Column 1 > 10'] = df_2018_2.County.value_counts()/df_2018_1.County.value_counts()*100
# Percent of submissions by county out of all submissions (county importance).
df_2018_cur['PCT of State'] = df_2018_1.County.value_counts()/len(df_2018_1)*100

# Repeat for remaining years, then average across dataframes.

希望获得更简洁的代码方案，疑惑是否可借助groupby实现。

完全可以通过groupby结合聚合操作实现，无需逐年度重复代码，完整方案如下：

import pandas as pd

# 1. 新增辅助列，标记Column 1是否大于10
df['col1_gt10'] = df['column_1'] > 10

# 2. 按年度+County分组，统计每组总行数和符合条件的行数
grouped = df.groupby(['Year', 'County']).agg(
    total_rows=('col1_gt10', 'count'),
    gt10_rows=('col1_gt10', 'sum')
)

# 3. 计算两个百分比指标
grouped['Column 1 > 10'] = (grouped['gt10_rows'] / grouped['total_rows']) * 100
# 先统计每年总行数，再计算各County行数占当年总行数的比例
year_total = df.groupby('Year')['County'].count()
grouped['PCT of State'] = (grouped['total_rows'] / grouped.index.get_level_values('Year').map(year_total)) * 100

# 4. 按County取所有年度的指标平均值
result_avg = grouped.groupby('County').mean().reset_index()

# 若需要保留年度维度的原始统计结果，直接使用grouped即可；若要年度均值则用result_avg
print(result_avg)

关键逻辑说明 #

• groupby(['Year', 'County']).agg(...)：一次性完成跨年度的分组统计，count获取每组总行数，sum统计col1_gt10为True的行数（布尔值在求和时等价于1/0）
• year_total：先计算每年的总行数，再通过索引映射快速计算各County的年度占比
• groupby('County').mean()：直接聚合所有年度的指标值，得到各County的平均占比，无需手动合并多个年度DataFrame

内容的提问来源于stack exchange，提问作者LabRat01010