如何实现适配不同列名的DataFrame百分比计算通用函数？

问题分析 #

原函数的核心问题：

• 函数内部定义了空的cols局部变量，外部的列名列表无法传入，导致过滤指定列的逻辑完全无效。
• 分组列是硬编码的，后续修改分组规则时必须改动函数内部代码，扩展性差。

你改写的版本存在几个明显错误：

1. inner_function中cols = df.columns.difference(grouper)里的df未定义，应该替换为传入的DataFrame参数a。
2. create_percent_column_many中遍历的dfs未定义，需要将传入的多个DataFrame转为列表。
3. 若不需要将结果转为长表（melt操作），可移除该步骤以匹配原函数的宽表输出；若需要长表格式，需确保参数传递逻辑正确。

修正后的代码 #

版本1：保留原函数宽表输出格式

def process_single_df(df, grouper=None, cols=None):
    # 默认分组列与原函数保持一致
    if grouper is None:
        grouper = ['Name', 'Type', 'Date']
    # 未指定cols时，默认使用除分组列外的所有列
    if cols is None:
        cols = df.columns.difference(grouper).tolist()
    
    # 计算分组后指定列中值为4的占比
    result = (df.groupby(grouper)[cols]
              .agg(lambda x: x.eq(4).sum() / x.count())
              .reset_index())
    return result

def create_percent_column_many(*dfs, grouper=None, cols=None):
    # 支持传入任意数量的DataFrame，扩展性更强
    return [process_single_df(df, grouper, cols) for df in dfs]

# 使用示例
# 场景1：手动指定列名和分组列
cols = ['Flames', 'Canucks', 'Oilers', 'Sharks', 'Wings', 'Chiefs']
grouper = ['Name', 'Type', 'Date']
new_a, new_b, new_c = create_percent_column_many(a, b, c, grouper=grouper, cols=cols)

# 场景2：使用默认参数（分组列用默认值，cols自动取非分组列）
new_a, new_b, new_c = create_percent_column_many(a, b, c)

print(new_a)

版本2：转为长表格式（保留melt）

如果需要将宽表转为长表（每行对应一个列的占比数据），可修改process_single_df：

def process_single_df(df, grouper=None, cols=None):
    if grouper is None:
        grouper = ['Name', 'Type', 'Date']
    if cols is None:
        cols = df.columns.difference(grouper).tolist()
    
    result = (df.groupby(grouper)[cols]
              .agg(lambda x: x.eq(4).sum() / x.count())
              .reset_index()
              .melt(id_vars=grouper, value_vars=cols, var_name='Team', value_name='Percent_Equal_4'))
    return result

# 使用方式与版本1一致
new_a, new_b, new_c = create_percent_column_many(a, b, c, cols=cols)

关键改进点 #

• 用*dfs参数接受任意数量的DataFrame，后续新增数据集无需修改函数。
• 将分组列grouper和计算列cols作为参数传入，后续修改列名或分组规则只需调整调用参数，无需改动函数内部代码。
• 为参数设置合理默认值，兼顾原有使用习惯和灵活扩展性。
• 修复了变量未定义的语法错误，确保逻辑可正常运行。

内容的提问来源于stack exchange，提问作者Skywalker5032