请求实现基于现有DataFrame生成含决策比例的新DataFrame的代码

现有一个长格式的DataFrame，结构如下：

需要创建新的DataFrame，按Product和Price分组，计算公式：(Decision为yes的Sum值) / (Decision为no的Sum值 + Decision为yes的Sum值)。比如Price为1的Food计算结果为39/(234+39)=0.1428571。最终新DataFrame结构如下：

实际数据集包含6种Product，Price范围0-99。

以下是两种基于Pandas的实现方案，适配你的需求：

方法一：用pivot_table转换格式后计算 #

import pandas as pd

# 构建示例数据（实际使用时替换为你的数据集）
data = {
    'Product': ['Food', 'Food', 'Food', 'Food', 'Clothes', 'Clothes', 'Clothes', 'Clothes'],
    'Price': [1, 1, 2, 2, 1, 1, 3, 3],
    'Decision': ['yes', 'no', 'yes', 'no', 'yes', 'no', 'yes', 'no'],
    'Sum': [39, 234, 1312, 3123, 323, 232, 3, 434]
}
df = pd.DataFrame(data)

# 将长表转宽表，按Product和Price分组，yes/no作为列
pivot_df = df.pivot_table(index=['Product', 'Price'], columns='Decision', values='Sum', aggfunc='sum')

# 计算目标比例
pivot_df['Decision'] = pivot_df['yes'] / (pivot_df['yes'] + pivot_df['no'])

# 重置索引并保留需要的列
result_df = pivot_df.reset_index()[['Product', 'Price', 'Decision']]

print(result_df)

方法二：用groupby+自定义聚合函数 #

import pandas as pd

# 构建示例数据（实际使用时替换为你的数据集）
data = {
    'Product': ['Food', 'Food', 'Food', 'Food', 'Clothes', 'Clothes', 'Clothes', 'Clothes'],
    'Price': [1, 1, 2, 2, 1, 1, 3, 3],
    'Decision': ['yes', 'no', 'yes', 'no', 'yes', 'no', 'yes', 'no'],
    'Sum': [39, 234, 1312, 3123, 323, 232, 3, 434]
}
df = pd.DataFrame(data)

# 自定义聚合函数：计算当前分组中yes的Sum占总Sum的比例
def calculate_ratio(group):
    yes_sum = group[group['Decision'] == 'yes']['Sum'].sum()
    total_sum = group['Sum'].sum()
    return yes_sum / total_sum

# 按Product和Price分组，应用聚合函数
result_df = df.groupby(['Product', 'Price']).apply(calculate_ratio).reset_index(name='Decision')

print(result_df)

两种方案都能输出符合要求的结果：方法一适合每个分组都包含yes和no的场景；方法二更灵活，若部分分组缺失yes/no值，会返回NaN（可根据需求添加默认值处理）。

内容的提问来源于stack exchange，提问作者cristi