Python DataFrame按personId计算相对频率的实现方法

核心思路 #

利用True等价于数值1、False等价于0的特性，先将label列的NaN填充为False（视为0），再对分组后的label列取均值，得到的结果就是count(True)/(count(True)+count(False))，即目标的relative_frequency。

简洁实现代码 #

import pandas as pd

# 示例数据
data = {
    'date': ['2022-07-20', '2022-07-30', '2022-08-05', '2022-09-11'],
    'personId': [1023, 1023, 1023, 1001],
    'label': [False, False, True, False]
}
df = pd.DataFrame(data)

# 处理NaN并计算相对频率
relative_freq = df.groupby('personId')['label'].apply(lambda x: x.fillna(False).mean()).rename('relative_frequency')

# 输出结果
print(relative_freq)

结果说明 #

• personId=1023：1个True，共3条数据，结果为1/3≈0.333
• personId=1001：0个True，共1条数据，结果为0
• 若某personId的label全为NaN，填充后全为False，结果为0；若全为True，结果为1，完全符合需求。

内容的提问来源于stack exchange，提问作者Sue