使用dplyr分组人口统计变量，计算国家维度性别占比与平均年龄

原始数据 #

country age sex 
      x  10   m
      y  20   f
      x  12   m
      y  40   m

需求说明 #

按country字段对数据分组，计算每组的平均年龄，以及sex字段中m和f的占比，最终输出目标格式的统计结果。

实现代码（Python Pandas） #

import pandas as pd

# 构造原始数据框
df = pd.DataFrame({
    'country': ['x', 'y', 'x', 'y'],
    'age': [10, 20, 12, 40],
    'sex': ['m', 'f', 'm', 'm']
})

# 分组聚合计算指标
result = df.groupby('country').agg(
    mean_age=('age', 'mean'),
    percent_m=('sex', lambda s: f"{(s == 'm').mean() * 100:.0f}%"),
    percent_f=('sex', lambda s: f"{(s == 'f').mean() * 100:.0f}%")
).reset_index()

# 输出无索引的格式化结果
print(result.to_string(index=False))

运行结果 #

country  mean_age percent_m percent_f
       x        11      100%        0%
       y        30       50%       50%

注：原始数据中country=y的年龄为20和40，平均年龄应为30，需求示例中的20为笔误

内容的提问来源于stack exchange，提问作者P.Hubert