如何在Pandas中对多州数据应用where函数计算占比？

你的代码仅针对California计算了占比，其他州因不满足filter1，where返回NaN，导致最终占比列显示为NaN。以下是两种解决方法，推荐使用第一种更简洁高效的方案：

方法一：使用groupby+transform（推荐） #

通过按state分组，自动计算每个州的总和并匹配到对应行，一次性完成所有州的占比计算：

df['percentage'] = df['total'] / df.groupby('state')['total'].transform('sum')

原理说明 #

• groupby('state')：将数据按州名分组
• transform('sum')：计算每组（每个州）的total总和，并将该值广播到组内的每一行
• 最终每行的total除以对应州的总和，得到该数据在所属州的占比

方法二：使用np.select多条件匹配 #

如果坚持用条件过滤的方式，可以用numpy.select为不同州分配对应的计算逻辑：

import numpy as np

filter1 = df['state'] == 'California'
filter2 = df['state'] == 'Texas'
filter3 = df['state'] == 'Florida'

# 定义每个州对应的占比计算规则
conditions = [filter1, filter2, filter3]
values = [
    df['total'] / df[filter1]['total'].sum(),
    df['total'] / df[filter2]['total'].sum(),
    df['total'] / df[filter3]['total'].sum()
]

df['percentage'] = np.select(conditions, values, default=np.nan)

注意事项 #

这种方式适合州数量较少的场景，若后续新增州需手动添加条件，扩展性不如groupby方案。

预期输出示例 #

处理后所有州的占比列都会得到对应值：

Year    state         total    percentage
2014    California  914198.0    0.134925
2014    Florida     766441.0    0.465712
2014    Texas      1045274.0    0.512345
2015    California  874642.0    0.129087
2015    Florida     878760.0    0.534288

内容的提问来源于stack exchange，提问作者Chang