如何简化泰坦尼克数据集按舱位计算生存百分比的实现？

问题描述 #

我有经典的泰坦尼克数据集，示例数据如下：

fr1 = pd.DataFrame({
"class": ["1", "2", "2"],
"survived": [0, 1, 1]})

我需要计算每个舱位的人员生存百分比，目前的实现是先通过掩码拆分数据，再分组统计：

# 注：原代码存在列名大小写不一致问题，此处修正以匹配示例数据的列名
fr2 = fr1[fr1["survived"] == 0]
fr2 = fr2.groupby("class", as_index=False)["survived"].agg(["count"])
fr3 = fr1[fr1["survived"] == 1]
fr3 = fr3.groupby("class", as_index=False)["survived"].agg(["count"])

之后合并结果并创建百分比列：

merged = pd.merge(fr2,fr3,left_index=True,right_index=True)
merged.columns = "Survived Died".split()    
merged["Percentage"] = merged["Survived"] / (len(fr1))*100

请问怎么简化这个流程？

简化实现方案 #

直接利用pandas的分组聚合、透视表或交叉表功能，无需拆分合并数据集，一步完成统计计算，以下是几种实用方法：

方法1：用groupby+value_counts快速算占比 #

如果要计算每组舱位内的生存百分比：

# 按舱位分组，统计生存/死亡的占比，转成宽表格式
survival_stats = fr1.groupby('class')['survived'].value_counts(normalize=True).unstack(fill_value=0)
# 重命名列并转成百分比
survival_stats = survival_stats.rename(columns={1: 'Survived_Pct', 0: 'Died_Pct'}) * 100

如果要计算相对总数据集的生存百分比：

# 按舱位统计生存人数、总人数
class_stats = fr1.groupby('class')['survived'].agg(['sum', 'count'])
# 计算百分比
class_stats['Survived_Pct'] = (class_stats['sum'] / len(fr1)) * 100
class_stats = class_stats.rename(columns={'sum': 'Survived_Count', 'count': 'Total_Count'})

方法2：用pivot_table生成透视表一步到位 #

# 生成舱位×生存状态的透视表，统计人数
pivot_stats = fr1.pivot_table(
    index='class',
    columns='survived',
    aggfunc='size',
    fill_value=0
)
# 重命名列并计算总人数占比
pivot_stats.columns = ['Died_Count', 'Survived_Count']
pivot_stats['Survived_Pct'] = (pivot_stats['Survived_Count'] / len(fr1)) * 100

方法3：用crosstab快速生成交叉统计 #

# 生成舱位与生存状态的交叉表
cross_stats = pd.crosstab(fr1['class'], fr1['survived'], fill_value=0)
# 重命名列并计算百分比
cross_stats.columns = ['Died_Count', 'Survived_Count']
cross_stats['Survived_Pct'] = (cross_stats['Survived_Count'] / len(fr1)) * 100

这些方法都省去了拆分、合并数据集的步骤，代码更简洁，也避免了原代码中列名不一致的潜在错误。

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