使用Pandas的groupby与聚合函数实现多列计算，完成不同邮编区域内企业声誉评分

看起来你已经迈出了第一步，但在分组统计好评数和排名上遇到了小麻烦，我来帮你一步步搞定这四个计算列——用Pandas做这个可比Excel高效太多，再也不会崩溃啦！

先明确下核心需求：针对每个邮编区域（或者你之前尝试的邮编+企业组合），计算总记录数、好评数、好评率，最后基于好评率做排名。我会先按单邮编区域演示，再补充邮编+企业组合的情况。

完整实现代码（单邮编区域统计） #

我们可以用groupby结合agg一次性完成前三个列的计算，再用rank()轻松搞定排名：

import pandas as pd

# 你的原始DataFrame
df = pd.DataFrame({
    'zip,company': ["46062|A","11236|B","11236|C","11236|C","11236|C","11236|A","11236|A","11236|A","11236|B","11236|B","11236|A","11236|A","11236|B","11236|A","11236|A","11236|B","11236|A","11236|A"],
    'goodbadscore': ["good","bad","bad","good","good","bad","bad","good","good","good","bad","good","good","good","good","bad","bad","good"],
    'postlcode' : ["46062","11236","11236","11236","11236","46062","11236","46062","11236","11236","11236","11236","11236","11236","11236","11236","11236","11236"],
    'companyname': ["A","B","C","C","C","A","A","A","B","B","A","A","B","A","A","B","A","A"]
})

# 1. 按邮编分组，一次性计算总记录数和好评数
result = df.groupby('postlcode').agg(
    countinzipcode=('postlcode', 'count'),  # 统计每组总记录数
    countgoodscoreinzip=('goodbadscore', lambda x: (x == 'good').sum())  # 统计每组中"good"的数量
).reset_index()

# 2. 计算好评率（需要保留小数的话可以加.round(2)）
result['dividegoodscore%'] = result['countgoodscoreinzip'] / result['countinzipcode']

# 3. 基于好评率排名（降序，好评率越高排名越靠前）
# method='min'表示相同好评率的邮编共享同一个最高排名，可按需换成'dense'/'max'等
result['ranking'] = result['dividegoodscore%'].rank(method='min', ascending=False).astype(int)

print(result)

关键问题解析 #

为什么你之前统计好评数得到0？ #

大概率是分组后的数据结构没处理对，或者判断逻辑有误。用agg里的lambda x: (x == 'good').sum()是直接对每组的goodbadscore列做向量化判断：等于"good"的会变成True（即数值1），求和后就是该组的好评总数，这样就不会出现统计为0的问题啦。

关于排名的实现细节 #

Pandas的rank()函数非常灵活，这里的参数说明：

• ascending=False：因为要让好评率高的排名靠前，所以用降序
• method='min'：如果多个邮编好评率相同，它们会获得相同的最小排名（比如两个邮编好评率都是0.7，都排第1）
• astype(int)：把排名转换成整数，更符合日常习惯

如果你需要其他排名规则，可以调整method参数：

• 'dense'：相同值排名相同，后续排名不跳过（比如两个第1，下一个直接是第2）
• 'max'：相同值取最大排名（比如两个第2，下一个是第3）

如果需要统计邮编+企业的组合（对应你之前的groupby(['zip+company'])） #

只需要把分组列改成['postlcode', 'companyname']即可，代码调整如下：

# 按邮编+企业分组统计
result = df.groupby(['postlcode', 'companyname']).agg(
    countinzipcode=('postlcode', 'count'),
    countgoodscoreinzip=('goodbadscore', lambda x: (x == 'good').sum())
).reset_index()

# 好评率和排名计算和之前一致
result['dividegoodscore%'] = result['countgoodscoreinzip'] / result['countinzipcode']
result['ranking'] = result['dividegoodscore%'].rank(method='min', ascending=False).astype(int)

print(result)

为什么Pandas比Excel好用？ #

Pandas基于numpy的向量化运算，处理几十万条数据都不会像Excel那样崩溃，而且代码可以重复运行，后续修改需求只需要调整几行代码，完全不用手动重复操作，效率提升不是一点半点！

内容的提问来源于stack exchange，提问作者Oliver Wu