如何按指定占比（75%/15%/10%）对Pandas DataFrame分组？

要实现按累计占比分组（前75%、中间15%、最后10%），可以通过计算累计求和与累计占比，再结合pd.cut完成分组。以下是具体步骤：

步骤说明 #

1. 确保数据按count降序排序：分组基于数值从高到低的累计占比，若输入数据未排序，需先执行排序操作。
2. 计算累计求和与累计占比：通过累计求和得到当前行及之前所有行的总和，再除以总计数得到累计占比。
3. 根据累计占比分组：使用pd.cut对累计占比区间进行切割，分配对应的类别标签。

完整代码示例 #

import pandas as pd

# 构造示例数据
data = {'count': [20, 20, 15, 10, 10, 8, 7, 5, 5]}
df = pd.DataFrame(data, index=['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I'])

# 1. 确保数据按count降序排序（若输入未排序，需执行此步骤）
# df = df.sort_values('count', ascending=False)

# 2. 计算总计数、累计求和、累计占比
total_count = df['count'].sum()
df['cum_sum'] = df['count'].cumsum()
df['cum_pct'] = df['cum_sum'] / total_count * 100

# 3. 按累计占比分组
df['Class'] = pd.cut(
    df['cum_pct'],
    bins=[0, 75, 90, 100],  # 对应前75%、中间15%、最后10%的区间
    labels=['Top1', 'Top2', 'Top3'],
    include_lowest=True  # 包含0%的边界值
)

# 可选：移除中间计算列
df = df.drop(['cum_sum', 'cum_pct'], axis=1)

print(df)

输出结果 #

count  Class
A     20   Top1
B     20   Top1
C     15   Top1
D     10   Top1
E     10   Top1
F      8   Top2
G      7   Top2
H      5   Top3
I      5   Top3

关键细节 #

• 排序必要性：如果原始数据未按count降序排列，必须先执行排序，否则分组逻辑会出错。
• 区间设置：bins=[0,75,90,100]对应累计占比≤75%（Top1）、75%<占比≤90%（Top2）、占比>90%（Top3），完全匹配需求。
• include_lowest=True：确保累计占比为0%的行（如果存在）被正确归入第一个分组。

内容的提问来源于stack exchange，提问作者beginner