Python Pandas：按日期分组统计ISCONVERTED字段0/1值占比并输出指定格式的问题求助

我明白你想要的是每个日期对应1-2条记录（两种状态都存在时显示两条），分别展示ISCONVERTED=1和ISCONVERTED=0的占比。你当前用的value_counts(normalize=True)其实已经算出了正确的占比，但问题在于它返回的是多级索引的Series，不是你需要的扁平DataFrame结构；而且如果某个日期只有一种状态（比如全是1），它不会生成另一种状态的占比记录。

下面给你两种可行的解决方法：

方法1：基于现有代码调整格式 #

如果想沿用你原有的计算逻辑，只需要把得到的Series转换成DataFrame并重置索引，再调整列名即可：

import pandas as pd

# 执行你的原代码，计算各状态占比
ratio_series = df.groupby(['CREATEDDATE'])['ISCONVERTED'].value_counts(normalize=True)

# 转换为DataFrame，重置索引并重命名占比列
result_df = ratio_series.reset_index(name='CONVERSION_RATIO')

# 可选：按你的目标格式重命名列（注意这里列值是占比，建议保留清晰列名）
result_df = result_df.rename(columns={'CONVERSION_RATIO': 'ISCONVERTED'})

这个方法简单直接，和你给出的目标格式完全匹配——如果某个日期只有一种状态（比如01 January 21全是1），只会生成一行占比为1.0的记录。

方法2：确保所有状态都有记录（含0占比） #

如果你希望不管某个日期是否存在某类状态，都能显示对应的占比（比如0的占比为0），可以用pd.crosstab实现，再转成长表：

import pandas as pd

# 生成交叉表，按日期计算各状态的占比
cross_tab = pd.crosstab(df['CREATEDDATE'], df['ISCONVERTED'], normalize='index')

# 把宽表转成长表，匹配每行一条记录的格式
result_df = cross_tab.reset_index().melt(
    id_vars='CREATEDDATE', 
    var_name='ISCONVERTED', 
    value_name='CONVERSION_RATIO'
)

# 可选：去掉占比为0的记录，和目标格式保持一致
result_df = result_df[result_df['CONVERSION_RATIO'] > 0]

# 可选：按你的目标格式重命名列
result_df = result_df.rename(columns={'CONVERSION_RATIO': 'ISCONVERTED'})

这样处理后，你就能得到符合需求的结果：每个日期对应1-2条记录，分别展示对应状态的占比。

内容的提问来源于stack exchange，提问作者Ib D