如何在Python Pandas中基于二进制列与范围列聚合计算CH列占比

原始DataFrame #

需求说明 #

需要按U1/U2/U3与CP的所有可能组合，计算CH列值为1的百分比，期望结果如下：

实现方案 #

完整代码 #

import pandas as pd
import itertools

# 构造原始DataFrame
data = {
    'ID': [111, 222, 333, 444, 555],
    'U1': [1, 1, 0, 0, 1],
    'U2': [1, 0, 1, 1, 0],
    'U3': [0, 1, 0, 1, 0],
    'CP': ['10-20', '10-20', '20-30', '40-50', '10-20'],
    'CH': [1, 1, 0, 0, 0]
}
df = pd.DataFrame(data)

# 1. 格式化CP列，转换为期望的CP_xx_xx格式
df['CP_formatted'] = 'CP_' + df['CP'].str.replace('-', '_')

# 2. 宽表转长表，将U1/U2/U3拆分为单独行
melted = df.melt(
    id_vars=['CP_formatted', 'CH'],
    value_vars=['U1', 'U2', 'U3'],
    var_name='U_col',
    value_name='is_active'
)

# 3. 生成U列和所有CP值的全量组合索引
u_cols = ['U1', 'U2', 'U3']
cp_values = ['CP_10_20', 'CP_20_30', 'CP_30_40', 'CP_40_50']
all_combinations = pd.MultiIndex.from_tuples(
    itertools.product(u_cols, cp_values),
    names=['U_col', 'CP_formatted']
)

# 4. 筛选活跃行（U列值为1），分组计算CH的均值（即1的占比），并补全缺失组合
grouped = melted[melted['is_active'] == 1].groupby(['U_col', 'CP_formatted'])['CH'].mean()
grouped = grouped.reindex(all_combinations, fill_value=0)

# 5. 整理结果格式，保留两位小数
result = grouped.reset_index().rename(columns={'U_col': 'idx', 'CP_formatted': 'idx', 'CH': 'CH_perc'})
result['CH_perc'] = result['CH_perc'].round(2)

print(result)

代码说明 #

1. 格式化CP列：把原始CP列的10-20格式转换为CP_10_20，匹配期望结果的格式。
2. 宽转长：将U1/U2/U3三列拆分为行记录，方便后续按U列分组计算。
3. 生成全量组合：通过笛卡尔积生成所有U列和CP值的组合，确保没有遗漏的分组。
4. 计算百分比：筛选出U列值为1的行，按组合分组后计算CH的均值（因为CH是0/1，均值直接代表1的占比），用reindex补全缺失组合并填充0。
5. 整理格式：将结果转换为指定的列名格式，保留两位小数。

运行输出 #

idx       idx  CH_perc
0   U1  CP_10_20     0.67
1   U1  CP_20_30     0.00
2   U1  CP_30_40     0.00
3   U1  CP_40_50     0.00
4   U2  CP_10_20     1.00
5   U2  CP_20_30     0.00
6   U2  CP_30_40     0.00
7   U2  CP_40_50     0.00
8   U3  CP_10_20     1.00
9   U3  CP_20_30     0.00
10  U3  CP_30_40     0.00
11  U3  CP_40_50     0.00

内容的提问来源于stack exchange，提问作者unbik