如何在Pandas中按MultiIndex名称对行求和？解决性别占比计算报错

错误原因分析 #

你遇到的NameError是因为代码里的occupation是未定义变量，且users.groupby("occupation").gender.value_counts()返回的是MultiIndex（层级索引）——外层为职业（occupation）、内层为性别（gender），无法直接用未定义变量索引。

无循环的实现方案 #

以下是几种简洁的无循环实现方式，直接完成「按职业+性别分组统计、计算男性占比、排序」的需求：

方案1：利用unstack转换索引后计算

# 按职业和性别分组统计人数，将性别转为列（缺失值用0填充）
gender_stats = users.groupby(['occupation', 'gender']).size().unstack(fill_value=0)
# 计算男性占比 = 男性人数 / 该职业总人数
male_ratio = gender_stats['M'] / gender_stats.sum(axis=1)
# 从高到低排序
male_ratio_sorted = male_ratio.sort_values(ascending=False)

方案2：用value_counts(normalize=True)直接获取占比

这是最简洁的方式，normalize=True会直接返回分组内的占比：

# 按职业分组后统计性别占比，提取男性对应的部分
male_ratio = users.groupby('occupation')['gender'].value_counts(normalize=True).loc[:, 'M']
# 从高到低排序
male_ratio_sorted = male_ratio.sort_values(ascending=False)

这里.loc[:, 'M']利用MultiIndex的索引规则：冒号表示选中所有职业，'M'表示选中男性占比，彻底避免了之前的变量未定义问题。

方案3：结合transform计算总人数

# 给每条数据添加所在职业的总人数列
users['total_occupation'] = users.groupby('occupation')['gender'].transform('count')
# 统计各职业男性人数，除以对应职业总人数得到占比
male_ratio = users[users['gender'] == 'M'].groupby('occupation')['gender'].count() / users.groupby('occupation')['total_occupation'].first()
male_ratio_sorted = male_ratio.sort_values(ascending=False)

内容的提问来源于stack exchange，提问作者doraemon