基于DataFrame行列值计算分设备分批次的故障率

实现步骤 #

1. 将Result列转换为数值标记：Fail记为1，Pass记为0，便于统计失败实例数量
2. 按Device和Batch分组，分别统计每组的失败数量与总实例数
3. 用失败数量除以总实例数得到故障率，可按需保留小数位或转换为百分比格式

代码示例 #

import pandas as pd

# 构造示例数据
data = {
    'Device': ['A', 'A', 'A', 'A', 'A', 'A', 'B', 'B'],
    'Batch': [1, 1, 2, 2, 2, 2, 1, 1],
    'Result': ['Fail', 'Pass', 'Fail', 'Fail', 'Pass', 'Fail', 'Pass', 'Pass']
}
df = pd.DataFrame(data)

# 标记是否为失败实例
df['is_fail'] = df['Result'].map({'Fail': 1, 'Pass': 0})

# 分组统计并计算故障率
failure_stats = df.groupby(['Device', 'Batch']).agg(
    失败数量=('is_fail', 'sum'),
    总实例数=('is_fail', 'count')
).reset_index()

# 计算故障率（保留两位小数）
failure_stats['故障率'] = (failure_stats['失败数量'] / failure_stats['总实例数']).round(2)
# 可选：添加百分比格式列
failure_stats['故障率(百分比)'] = failure_stats['故障率'].apply(lambda x: f"{x*100}%")

print(failure_stats)

输出结果 #

内容的提问来源于stack exchange，提问作者Verbyyy