Pandas练习疑问：分组求均值代码与参考答案的底层差异

你的代码：计算职业-性别分组的平均年龄 #

users.groupby(['occupation', 'gender']).age.mean()

• 执行逻辑：
  1. 以occupation（职业）和gender（性别）为双重分组键，把数据集拆分为多个「特定职业+特定性别」的子组
  2. 对每个子组的age列计算平均值，得到该组人群的平均年龄
• 结果含义：每个数值对应某职业下某性别的平均年龄，数值范围通常在常规年龄区间（如20-60）

参考答案：计算各职业内的性别占比（百分比） #

# 统计每个职业-性别组合的人数
gender_ocup = users.groupby(['occupation', 'gender']).agg({'gender': 'count'})
# 统计每个职业的总人数
occup_count = users.groupby(['occupation']).agg('count')
# 计算占比并转换为百分比
occup_gender = gender_ocup.div(occup_count, level = "occupation") * 100
# 提取最终结果列
occup_gender.loc[: , 'gender']

• 执行逻辑：
  1. gender_ocup：按「职业+性别」分组，统计每个组合的用户数量（用gender列计数等价于统计该分组的总行数）
  2. occup_count：仅按「职业」分组，统计每个职业的总用户数（agg('count')会统计所有列的非空行数，这里等同于该职业的总人数）
  3. div(..., level="occupation")：按occupation层级对齐数据，用每个「职业-性别」的人数除以对应职业的总人数，得到占比后乘100转为百分比
  4. 最后提取gender列，得到各职业内不同性别的占比数据
• 结果含义：每个数值对应某职业下某性别人群的占比，数值范围在0-100之间

结果差异的核心原因 #

两者解决的是完全不同的统计需求：你的代码对应「职业-性别分组的平均年龄」问题，而参考答案对应「各职业内性别分布占比」问题，属于练习中不同的题目要求，因此输出结果的数值含义、范围完全不同。

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