如何计算Pandas DataFrame中有教育背景的受访者占比？

我有一个大型Pandas DataFrame，数据示例如下：

import pandas as pd
  
# 初始化列表数据
data = {'interview_key':['00-60-62-69', '00-80-63-65', '00-81-80-59', '00-87-72-75'],
        'any_education':['YES', 'YES', 'NO', 'NAN']}
  
# 创建DataFrame
df = pd.DataFrame(data)

其中any_education列的YES代表有教育背景，NO代表无教育背景，NAN是字符串类型的缺失值。需要计算有教育背景的受访者占比（即该列中YES样本占总样本的比例）。

解决方案 #

方法1：直接统计计算 #

通过布尔索引统计YES的数量，再除以总样本数：

yes_count = (df['any_education'] == 'YES').sum()
yes_ratio = yes_count / df.shape[0]
print(yes_ratio)  # 输出：0.5

方法2：利用value_counts快速获取占比 #

使用value_counts的normalize=True参数直接返回各取值的占比，再提取YES对应的比例（若数据中无YES，get('YES', 0)可避免报错）：

yes_ratio = df['any_education'].value_counts(normalize=True).get('YES', 0)
print(yes_ratio)  # 输出：0.5

特殊情况处理 #

如果数据中存在Pandas原生缺失值（如pd.NA/np.nan）而非字符串NAN，可以先过滤缺失值再计算：

# 过滤缺失值
valid_data = df['any_education'].dropna()
# 计算占比
yes_ratio = (valid_data == 'YES').sum() / len(valid_data)

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