Pandas计算二进制数据均值时，参考类别选择逻辑是什么？

我正在使用泰坦尼克号数据集，其中1代表“存活”，0代表“未存活”。为了计算各舱位等级（Pclass）的人员存活百分比，我运行了以下代码：

pclass_survived = df.groupby('Pclass')['Survived'].mean() * 100

得到结果：

Pclass
1    62.962963
2    47.282609
3    24.236253

我知道Pandas会把二进制值（0和1）当作普通数值处理，不懂它们的业务含义，但疑惑的是：为什么Pandas默认返回的是“存活”（1）的比例，而非“未存活”（0）的比例？比如如果后续标记规则翻转，1代表“未存活”、0代表“存活”，计算结果就会传递错误信息。想知道Pandas计算二进制数据均值时，是如何选择参考类别的？

Pandas这里根本没有“选择参考类别”的逻辑——它只是在做纯粹的数值均值计算。

对于0/1的二进制数据来说，均值的计算逻辑是：(分组内所有值的总和) / (分组内样本总数)。而分组内所有值的总和，本质就是该组中等于1的样本数量（因为0加进去不影响总和）。所以最终的均值，自然就是1在该组中的占比，这完全是数学运算的自然结果，不是Pandas主动“选”了1作为参考。

举个简单例子：假设某舱位组有10个人，其中4个存活（标记为1），6个未存活（标记为0）。总和是4，均值就是4/10=0.4，也就是40%——对应1的占比（存活比例）。如果标记规则翻转，1代表未存活，那这组的总和就是6，均值60%，对应的就是未存活的比例。

说白了，Pandas从始至终都不知道这些0和1代表什么业务含义，它只负责执行数学计算。要避免歧义的话，你可以在代码里明确标注业务逻辑，或者根据需要手动调整结果：比如要计算未存活比例，直接用100 - pclass_survived，或者(1 - df.groupby('Pclass')['Survived'].mean()) * 100。

内容的提问来源于stack exchange，提问作者Partha Pratim Sarma