如何用Pandas实现按会员类型分组的骑行次数及占比统计？

需求说明 #

生成表格，展示按会员类型（casual、member）分组的骑行次数及占比统计。

R语言实现代码 #

big_frame %>% 
     group_by(member_casual) %>% 
     summarise(count = length(ride_id),
               '%' = round((length(ride_id) / nrow(big_frame)) * 100, digit=2))

现有Pandas尝试代码 #

member_casual_count = (
    big_frame
    .filter(['member_casual'])
    .value_counts(normalize=True).mul(100).round(2)
    .reset_index(name='percentage')
)

member_casual_count['count'] = (
    big_frame
    .filter(['member_casual'])
    .value_counts()
    .tolist()  
)
member_casual_count

优化后的Pandas实现方案 #

方案一：单次聚合完成统计 #

和R语言的实现逻辑对齐，通过groupby+agg一次性完成计数和占比计算，仅需遍历数据一次，效率更高：

member_casual_stats = (
    big_frame
    .groupby('member_casual', as_index=False)
    .agg(
        count=('ride_id', 'count'),  # 统计每组骑行次数
        percentage=('ride_id', lambda x: round((len(x) / len(big_frame)) * 100, 2))
    )
)
member_casual_stats

方案二：先计数再推导占比 #

如果觉得lambda不够直观，可以先计算各组计数，再通过assign推导占比，逻辑更清晰：

member_casual_stats = (
    big_frame
    .groupby('member_casual')['ride_id']
    .count()
    .reset_index(name='count')
    .assign(percentage=lambda df: round((df['count'] / len(big_frame)) * 100, 2))
)
member_casual_stats

优化点说明 #

• 避免两次调用value_counts，减少数据遍历次数，提升运行效率
• 代码结构紧凑，逻辑和R实现一致，可读性更强
• 直接基于ride_id统计，和原R代码的统计维度完全匹配

内容的提问来源于stack exchange，提问作者A C