如何用Pandas透视表或groupby计算分组条件下的概率百分比

先构造示例DataFrame方便演示：

import pandas as pd
import numpy as np

np.random.seed(42)
df = pd.DataFrame({
    'group': np.random.choice(['control', 'treatment'], size=100),
    'result': np.random.choice([True, False], size=100)
})

方法一：使用groupby实现 #

直接通过分组+值计数归一化，一步得到概率：

# 分组计算各结果的概率，转成宽表格式
prob_groupby = df.groupby('group')['result'].value_counts(normalize=True).unstack()
# 保留两位小数优化可读性
prob_groupby = prob_groupby.round(2)
print(prob_groupby)

输出示例：

result      False  True 
group                  
control      0.52   0.48
treatment    0.47   0.53

• groupby('group') 按control/treatment拆分数据
• value_counts(normalize=True) 计算组内每个结果的占比（概率）
• unstack() 将行索引中的True/False转为列，让结果更直观

方法二：使用pivot_table实现 #

先统计每组各结果的数量，再计算占比得到概率：

# 统计每组各结果的出现次数
count_pivot = pd.pivot_table(
    df,
    index='group',
    columns='result',
    aggfunc='size',
    fill_value=0  # 填充可能的缺失值（比如某组无某个结果）
)

# 计算每行（组）的结果占比
prob_pivot = count_pivot.div(count_pivot.sum(axis=1), axis=0).round(2)
print(prob_pivot)

输出和groupby方法一致。

• aggfunc='size' 用于统计每组各结果的数量
• div(count_pivot.sum(axis=1), axis=0) 让每行的数值除以该行总数，得到概率

提取单个组的概率 #

如果需要单独查看某组的特定结果概率，直接从结果中提取即可：

# 获取treatment组False的概率
treatment_false_prob = prob_groupby.loc['treatment', False]
print(f"Treatment组False的概率：{treatment_false_prob}")

内容的提问来源于stack exchange，提问作者Emerson EMSW9033