如何计算DataFrame中不同分组内各元素的占比？

给定数据 #

原始DataFrame #

id  column1   column2   column3   column4    columns5
1      a         b        a          b           x
2      b         a        c          b           y
3      c         b        a          c           x

指定分组 #

group_1 = ['a', 'b', 'c']
group_2 = ['x', 'y', 'z']

期望输出 #

%_a        %_b       %_c     %_x        %_y       %_z
0.3333   0.4167     0.25     0.667      0.333      0

计算逻辑 #

• group_1元素占比：统计column1到column4中各元素出现次数，除以总元素数（3行×4列=12）
  • a=4/12≈0.3333，b=5/12≈0.4167，c=3/12=0.25
• group_2元素占比：统计columns5中各元素出现次数，除以总行数（3）
  • x=2/3≈0.667，y=1/3≈0.333，z=0/3=0

解决方案 #

以下是基于Pandas的实现代码：

import pandas as pd

# 构造原始DataFrame
df = pd.DataFrame({
    'id': [1,2,3],
    'column1': ['a','b','c'],
    'column2': ['b','a','b'],
    'column3': ['a','c','a'],
    'column4': ['b','b','c'],
    'columns5': ['x','y','x']
})

# 处理group_1：计算column1-column4中各元素的占比
group1_cols = ['column1', 'column2', 'column3', 'column4']
# 堆叠多列成一维序列，统计频次，确保包含group_1所有元素（缺失补0）
group1_counts = df[group1_cols].stack().value_counts().reindex(group_1, fill_value=0)
# 计算占比并保留4位小数
group1_ratio = (group1_counts / df[group1_cols].size).round(4)

# 处理group_2：计算columns5中各元素的占比
# 统计频次，确保包含group_2所有元素（缺失补0）
group2_counts = df['columns5'].value_counts().reindex(group_2, fill_value=0)
# 计算占比并保留3位小数
group2_ratio = (group2_counts / len(df)).round(3)

# 合并结果并调整格式
result = pd.concat([group1_ratio, group2_ratio], axis=0)
# 重命名列名，转为行格式
result = result.rename(lambda x: f'%_{x}').to_frame().T

# 调整显示格式，匹配期望输出
result = result.style.format({
    '%_a': '{:.4f}', '%_b': '{:.4f}', '%_c': '{:.4f}',
    '%_x': '{:.3f}', '%_y': '{:.3f}', '%_z': '{:.0f}'
})

# 展示结果
display(result)

代码关键点说明 #

1. stack()：将column1到column4的多列数据转为一维序列，方便统一统计所有元素的出现次数。
2. reindex()：确保分组中所有元素都被纳入统计，未出现的元素频次补0。
3. 占比计算：group_1用总元素数（列数×行数）做分母，group_2用总行数做分母，完全匹配给定的计算逻辑。

内容的提问来源于stack exchange，提问作者datashout