如何在获取PID占比Top5时同步关联Process_name字段？

方法一：先建立PID-Process_name映射再合并统计结果 #

这种方法效率较高，适合数据集较大的场景，核心是先提取PID与对应Process_name的唯一关联关系，再和占比统计结果合并：

# 提取PID与Process_name的唯一映射（默认一个PID对应唯一Process_name）
pid_process_map = clean_CSV.drop_duplicates(subset='PID')[['PID', 'Process_name']].set_index('PID')

# 统计PID的占比并取Top5
pid_ratio = clean_CSV['PID'].value_counts(normalize=True).nlargest(5).mul(100).round(1).astype(str) + '%'

# 合并得到包含Process_name的最终结果
PIDdf = pid_ratio.to_frame(name='占比').join(pid_process_map)

方法二：直接分组统计一步到位 #

如果需要更直观的流程，可以直接按PID和Process_name分组，计算每组的占比后取Top5：

# 按PID和Process_name分组，计算每组的记录数
grouped_data = clean_CSV.groupby(['PID', 'Process_name']).size().reset_index(name='记录数')

# 计算每组占总数据的比例
total_records = len(clean_CSV)
grouped_data['占比'] = (grouped_data['记录数'] / total_records).mul(100).round(1).astype(str) + '%'

# 按占比降序排序，取Top5结果
PIDdf = grouped_data.sort_values(by='占比', ascending=False).head(5)[['PID', 'Process_name', '占比']]

异常情况处理 #

若数据中存在同一PID对应多个Process_name的异常情况，可先对每个PID保留出现次数最多的Process_name：

# 对每个PID，保留出现次数最多的Process_name
pid_process_map = clean_CSV.groupby('PID')['Process_name'].agg(lambda x: x.value_counts().index[0]).to_frame()

内容的提问来源于stack exchange，提问作者Zarif Rahman