如何用Pandas生成按用户分组的历史爽约占比列？

现有不含最后两列的Pandas DataFrame，已生成previous-missed-appointments列（记录每行对应的历史爽约次数），需生成最后一列proportion-previous-missed。计算规则为：按name分组，每行的历史爽约次数除以该行之前的总预约次数（爽约+到场次数），例如示例中第9行的0.4由「2次爽约 ÷ 5次总预约」得出。

解决方案 #

步骤说明 #

1. 先按name和预约时间排序，确保历史记录的时间顺序正确（否则计算的历史数据会出错）；
2. 对每个name分组，计算当前行之前的总预约次数——用cumcount()方法，它会给分组内每行分配从0开始的序号，这个序号就是当前行之前的总预约次数；
3. 计算比例，同时处理除数为0的情况（比如用户第一次预约时，之前没有任何记录，此时可将比例设为0或NaN）。

代码实现 #

假设DataFrame名为df，预约时间列名为appointment-date，代码如下：

import pandas as pd
import numpy as np

# 按姓名和预约时间排序，保证历史顺序正确
df = df.sort_values(['name', 'appointment-date'])

# 计算每个用户当前行之前的总预约次数
df['total-previous-appointments'] = df.groupby('name').cumcount()

# 计算历史爽约比例，处理除数为0的情况
df['proportion-previous-missed'] = np.where(
    df['total-previous-appointments'] > 0,
    df['previous-missed-appointments'] / df['total-previous-appointments'],
    0  # 若需显示空值，可替换为np.nan
)

代码解释 #

• sort_values()：确保每个用户的预约记录按时间先后排列，这是计算历史数据的前提；
• groupby('name').cumcount()：给每个用户的预约记录从0开始编号，编号值等于当前行之前的总预约次数（比如第1次预约编号0，之前无预约；第6次预约编号5，之前有5次预约）；
• np.where()：避免除数为0的报错，当总预约次数为0时（第一次预约），直接返回设定值（0或NaN），否则执行除法计算比例。

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