如何在Pandas DataFrame中按事件分组统计Profile占比并计算Indy均值

步骤说明 #

1. 拆分多字母Profile：将Profile列中包含多个字母（如"AB"）的内容拆分为单个字符，展开成多行，同时过滤掉NaN值和非A-D的字符。
2. 统计字母占比：按EventName分组统计各字母的出现次数，计算占比并格式化为指定的字符串形式。
3. 计算Indy均值：按EventName分组计算Indy列的均值，保留两位小数。
4. 合并结果并排序：将上述两个结果合并，按EventName排序后输出。

完整代码 #

import pandas as pd

# 初始化示例数据（实际使用时替换为你的数据源）
data = {
    'Date': ['2010-11-19', '2010-11-23', '2010-11-24', '2010-11-30', '2010-12-01'],
    'PtsMoved': [16.250, 43.000, 50.500, 34.870, 54.500],
    'Profile': ['A', pd.NA, 'D', pd.NA, 'B'],
    'Type': ['High Impact Expected']*5,
    'EventName': ['Fed Chairman Bernanke Speaks', 'Prelim GDP q/q', 'New Home Sales', 'CB Consumer Confidence', 'ISM Manufacturing PMI'],
    'Indy': [29.2500, 29.5500, 35.2000, 31.5240, 32.3740]
}
df = pd.DataFrame(data)

# 拆分Profile中的多字母并展开为单行单字母
profile_exploded = df.dropna(subset=['Profile']).assign(
    Profile=lambda x: x['Profile'].str.split('')
).explode('Profile').query('Profile in ["A","B","C","D"]')

# 统计各EventName下的字母频次，计算占比并格式化字符串
profile_counts = profile_exploded.groupby(['EventName', 'Profile']).size().unstack(fill_value=0)
total_counts = profile_counts.sum(axis=1)
profile_ratios = (profile_counts.div(total_counts, axis=0) * 100).round(0).astype(int)
profile_str = profile_ratios.apply(
    lambda row: ', '.join([f'{k}({v}%)' for k, v in row.items() if v > 0]),
    axis=1
)

# 计算Indy列的均值，保留两位小数
indy_mean = df.groupby('EventName')['Indy'].mean().round(2)

# 合并结果并按EventName排序
result = pd.concat([indy_mean, profile_str], axis=1).rename(columns={0: 'Profile'}).sort_index()

# 输出最终结果
print(result)

示例输出 #

内容的提问来源于stack exchange，提问作者ningray