如何在Pandas中基于另一DataFrame添加用户各类型占比列？

现有两个DataFrame：
df1：

user_id
0    101
1    102
2    103
3    101

df2：

user_id  type
0    101     cash
1    101     card
2    102     card
3    102     card
4    103     cash
5    103     cash
6    103     card

需要为df1添加列，展示每个user_id对应各type的占比，最终输出格式如下：

user_id  cash_pct  card_pct
0    101       0.5       0.5
1    102        0        1.0
2    103       0.67      0.33
3    101       0.5       0.5

已知需要用到groupby，但不清楚后续操作步骤。

解决方案 #

可以通过分组统计-透视转置-占比计算-合并关联的流程实现，代码如下：

步骤1：计算各user_id的type占比 #

# 按user_id和type分组统计数量，转置为宽表（缺失type补0）
type_counts = df2.groupby(['user_id', 'type']).size().unstack(fill_value=0)
# 按行计算各type的占比，保留两位小数
type_pct = type_counts.div(type_counts.sum(axis=1), axis=0).round(2)
# 给列名添加_pct后缀，匹配需求格式
type_pct.columns = [f"{col}_pct" for col in type_pct.columns]

步骤2：将占比表合并到df1 #

# 以user_id为关联键，左连接保留df1所有行
df_final = df1.merge(type_pct, on='user_id', how='left')

这个方法支持任意数量的type类型，会自动生成对应的占比列，完全匹配需求格式。

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