在Pandas分组中获取每组内各值的计数占比与计数

原始DataFrame #

import pandas as pd
df = pd.DataFrame({"id":[1,1,1,1,2,2,2],
                  "car":["Volvo","Audi","Volvo","Volvo","VW","Audi","Volvo"]})

需求说明 #

按id分组后，获取每组内各car值的计数占比（ratio）与具体计数（count），期望得到如下格式的结果：

ratio    count
    car
id 
1   Audi   0.25     1
    Volvo  0.75     3
2   Audi   0.33     1
    Volvo  0.33     1
    VW     0.33     1

已尝试方法及问题 #

• 按id分组后用自定义聚合函数调用value_counts(normalize=True)，但结果中ratio以列表形式返回，不符合目标格式
• 按id和car分组后聚合，得到的ratio全为1.0，因为占比是在car子组内计算，而非id组内的整体占比

解决方案（一次groupby.agg实现） #

通过在groupby.agg中为count和ratio分别指定基于value_counts的lambda函数，再调整索引结构即可实现需求：

# 执行聚合并调整索引
result = df.groupby('id')['car'].agg(
    count=lambda s: s.value_counts(),
    ratio=lambda s: s.value_counts(normalize=True)
).stack(level=1).swaplevel(0, 1).sort_index()

# 可选：将ratio保留两位小数
result['ratio'] = result['ratio'].round(2)

执行后得到的结果与期望格式一致，且仅通过一次分组操作完成，保证了效率。

内容的提问来源于stack exchange，提问作者CutePoison