如何在Pandas中正确生成带百分号的百分比列

问题描述 #

现有如下Pandas DataFrame：

category  numbers
a         100
b         200
c         200

尝试新增带百分号的占比列时，使用了以下代码：

df['percentage'] = str(100 * df['numbers']/df['numbers'].sum()) + '%'

但执行后每一行的percentage列都显示完整的Series信息，结果不符合预期：

category  numbers  percentage
a         100      0 20.00 1 40.00 2 40.00 Name: numbers, dtype: float64%
b         200      0 20.00 1 40.00 2 40.00 Name: numbers, dtype: float64%
c         200      0 20.00 1 40.00 2 40.00 Name: numbers, dtype: float64%

需要修改代码让percentage列正确显示为20%、40%、40%。

错误原因 #

直接对整个Pandas Series调用str()，会将整个Series对象转换成字符串，而非逐元素处理，导致每一行都重复显示整个Series的内容。

解决方法 #

方法1：用apply逐元素格式化 #

先计算数值总和，再通过apply对每个元素计算占比并格式化为带百分号的字符串：

total = df['numbers'].sum()
df['percentage'] = df['numbers'].apply(lambda x: f"{100 * x / total:.0f}%")

• .0f表示保留0位小数，若需保留两位小数可改为.2f。

方法2：直接对数值Series应用格式化字符串 #

total = df['numbers'].sum()
df['percentage'] = (100 * df['numbers'] / total).apply("{:.0f}%".format)

此方法与方法1原理一致，写法更简洁。

方法3：矢量操作（大数据集更高效） #

使用numpy的矢量操作替代apply，适合处理大规模数据：

import numpy as np
total = df['numbers'].sum()
df['percentage'] = np.char.add((100 * df['numbers'] / total).round(0).astype(str), '%')

先计算占比并取整，转为字符串后拼接百分号，避免逐元素循环。

最终效果 #

执行任意一种方法后，DataFrame将变为：

category  numbers percentage
a         100     20%
b         200     40%
c         200     40%

内容的提问来源于stack exchange，提问作者Cookfishbro