如何用Pandas按州统计有正销售额的年份占比？

现有如下DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'state': ['CA', 'WA', 'CO', 'AZ'] * 3,
    'year': [np.random.randint(2015, 2020) for _ in range(12)],
    'sales': [np.random.randint(-100, 100) for _ in range(12)]
})

需求：按每个state统计观测到的年份中，销售额为正的年份占比，期望输出类似CA:100%、WA:50%、AZ:67%格式的结果。当前使用的代码仅完成了按state和year聚合销售额：

df.groupby(['state', 'year']).agg({'sales': 'sum'})

要实现需求，需要在现有分组聚合的基础上，进一步计算正销售额年份的占比，步骤如下：

1. 按state和year聚合年度总销售额
   先确保同一个state同一年的多条销售额记录被合并为总和：

   yearly_sales = df.groupby(['state', 'year'])['sales'].sum().reset_index()
   

2. 标记正销售额的年份
   添加布尔列标记该年份的总销售额是否为正：

   yearly_sales['is_positive'] = yearly_sales['sales'] > 0
   

3. 计算各state的正销售额年份占比
   按state分组后，计算布尔列的均值（布尔值True等价于1，False等价于0，均值即为占比），再转换为百分比格式：

   ratio_result = yearly_sales.groupby('state')['is_positive'].mean().mul(100).round(1).astype(str) + '%'
   

完整代码 #

import pandas as pd
import numpy as np

# 生成示例DataFrame
df = pd.DataFrame({
    'state': ['CA', 'WA', 'CO', 'AZ'] * 3,
    'year': [np.random.randint(2015, 2020) for _ in range(12)],
    'sales': [np.random.randint(-100, 100) for _ in range(12)]
})

# 聚合年度销售额
yearly_sales = df.groupby(['state', 'year'])['sales'].sum().reset_index()
# 标记正销售额年份
yearly_sales['is_positive'] = yearly_sales['sales'] > 0
# 计算占比并转为百分比格式
ratio_result = yearly_sales.groupby('state')['is_positive'].mean().mul(100).round(1).astype(str) + '%'

# 转换为DataFrame格式输出
result_df = ratio_result.reset_index(name='positive_year_ratio')
print(result_df)

示例输出 #

state positive_year_ratio
0    AZ                66.7%
1    CA               100.0%
2    CO                50.0%
3    WA                33.3%

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