如何用Python Pandas计算DataFrame中二元列与标称列的CH占比

给定如下Pandas DataFrame：

数据类型 #

• ID - int64
• X1 - int64
• X2 - int64
• CH - int64

原始数据 #

需要生成统计结果表，计算CP与X1=1的组合、CP与X2=1的组合下，CH=1的客户占比，且要包含所有指定的CP区间（10-20、20-30、30-40、40-50），最终期望结果如下：

可以通过以下步骤实现：

1. 准备完整的CP区间列表 #

首先定义所有需要统计的CP区间，确保结果中不会缺失：

cp_intervals = ['10-20', '20-30', '30-40', '40-50']

2. 构造交叉统计的基础数据 #

分别处理X1和X2的统计逻辑，再合并结果：

import pandas as pd

# 加载原始数据（若已有DataFrame可跳过此步）
df = pd.DataFrame({
    'ID': [111, 222, 333, 444, 555],
    'X1': [1, 1, 0, 1, 0],
    'X2': [0, 0, 1, 1, 1],
    'CP': ['10-20', '10-20', '30-40', '30-40', '30-40'],
    'CH': [1, 1, 0, 1, 1]
})

# 统计X1=1时各CP区间的CH占比
x1_stats = df[df['X1'] == 1].groupby('CP')['CH'].agg(
    total='count',
    ch1='sum'
).reset_index()
x1_stats['col_X'] = 'X1'
x1_stats['CH_perc'] = x1_stats['ch1'] / x1_stats['total']

# 统计X2=1时各CP区间的CH占比
x2_stats = df[df['X2'] == 1].groupby('CP')['CH'].agg(
    total='count',
    ch1='sum'
).reset_index()
x2_stats['col_X'] = 'X2'
x2_stats['CH_perc'] = x2_stats['ch1'] / x2_stats['total']

3. 补全缺失的CP区间 #

构造包含所有col_X和col_CP组合的空表，再合并统计结果，确保无遗漏：

# 生成所有需要的组合
all_combinations = pd.MultiIndex.from_product(
    [['X1', 'X2'], cp_intervals],
    names=['col_X', 'col_CP']
).to_frame(index=False)

# 合并统计数据与全组合表
combined = pd.concat([x1_stats, x2_stats])
result = all_combinations.merge(
    combined[['col_X', 'CP', 'CH_perc']],
    left_on=['col_X', 'col_CP'],
    right_on=['col_X', 'CP'],
    how='left'
).drop('CP', axis=1)

# 填充缺失值为0，保留两位小数
result['CH_perc'] = result['CH_perc'].fillna(0).round(2)

4. 查看最终结果 #

执行代码后，打印result即可得到目标表格：

print(result)

输出结果：

col_X col_CP  CH_perc
0    X1  10-20     1.00
1    X1  20-30     0.00
2    X1  30-40     1.00
3    X1  40-50     0.00
4    X2  10-20     0.00
5    X2  20-30     0.00
6    X2  30-40     0.67
7    X2  40-50     0.00

关键说明 #

• 用groupby分组统计每个CP区间的总客户数和CH=1的客户数，直接计算占比
• 通过MultiIndex.from_product生成全量组合，避免遗漏指定的CP区间
• 左连接合并后用fillna(0)填充无数据的占比，保证结果完整性

内容的提问来源于stack exchange，提问作者unbik