如何在Pandas中按周和课程计算出勤为1的占比？

你需要对数据按周和课程分组，统计每组中出勤值为1的记录占该组总记录的比例，并且输出类似透视表的样式。下面用Pandas来实现这个需求：

步骤1：加载数据（假设你已经有DataFrame） #

首先确保你已经导入Pandas并加载了数据，比如：

import pandas as pd

# 替换成你的数据加载方式，比如读取CSV/Excel
df = pd.read_csv("your_data_file.csv")

步骤2：计算分组占比（两种输出形式） #

形式1：长表格式（分组后按行展示） #

如果需要按周、课程分行展示占比，可以用groupby结合mean()（因为出勤值是1/0，均值就是1的占比）：

# 按周和课程分组，计算出勤为1的占比
grouped_result = df.groupby(["week", "course"])["attendance"].mean().reset_index()

# 重命名列名更直观
grouped_result = grouped_result.rename(columns={"attendance": "attendance_rate"})

# 可选：将占比转为百分比格式（保留两位小数）
grouped_result["attendance_rate"] = grouped_result["attendance_rate"].apply(lambda x: f"{x:.2%}")

print(grouped_result)

形式2：透视表格式（和你期望的输出样式一致） #

如果想要行是周、列是课程的透视表样式，用pivot_table更直接：

# 创建透视表，计算每组的出勤占比
pivot_result = df.pivot_table(
    index="week",  # 行：周
    columns="course",  # 列：课程
    values="attendance",  # 计算的字段：出勤
    aggfunc="mean"  # 聚合函数：均值即占比
)

# 可选：转为百分比格式
pivot_result = pivot_result.applymap(lambda x: f"{x:.2%}")

print(pivot_result)

注意事项 #

• 请根据你实际的列名替换代码中的week、course、attendance，确保和你的DataFrame列名一致。
• 如果你的出勤值不是1/0，而是其他标记（比如"出勤"/"缺勤"），可以先做映射：df["attendance"] = df["attendance"].map({"出勤":1, "缺勤":0})再执行上述代码。

内容的提问来源于stack exchange，提问作者Dipam Soni