如何用df.groupby()按period和age分组计算binary_target=1的占比？

我有一个提取自2017年11月至2023年1月的论坛帖子DataFrame，包含成员加入月份（period）、年龄（age）以及二分类变量（binary_target），数据示例如下：

请问是否可以使用df.groupby()函数同时按period和age分组，计算每个period与age组合中binary_target=1的占比？理想情况下，将结果存储为如下格式的DataFrame：

完全可以实现，步骤如下：

1. 分组计算占比：通过groupby按period和age分组，对binary_target取均值——因为该变量是0/1二分类，均值恰好等于该组中binary_target=1的样本占比。
2. 转换为宽表格式：用unstack()将age从行索引转换为列，得到你想要的结构。
3. （可选）处理缺失值：如果某些period和age的组合没有数据，会出现缺失值，可以用fillna()填充（比如填充0或该period的整体均值）。

完整代码示例 #

# 计算每个period-age组合的binary_target=1占比
result = df.groupby(['period', 'age'])['binary_target'].mean()

# 转换为宽表，age作为列
result_wide = result.unstack(level='age')

# 可选：填充缺失值（这里用0填充，可根据需求调整）
result_wide = result_wide.fillna(0)

# 查看结果
print(result_wide)

代码说明 #

• groupby(['period', 'age'])['binary_target'].mean()：先按月份和年龄分组，然后计算每组中1的占比（均值）。
• unstack(level='age')：把分组后的age索引展开成列，period作为行索引，正好匹配你想要的输出格式。
• 如果需要保留所有可能的age值（比如从0到最大年龄），可以先对age做reindex，确保没有遗漏的年龄列。

内容的提问来源于stack exchange，提问作者Connor95