使用Pandas GroupBy实现品牌-产品统计、百分比转换及系数调整

1. 生成带行列总计的交叉统计表（计数） #

先构建原始数据集，通过groupby统计品牌-产品组合的出现频次，再转换为宽表并添加行、列总计：

import pandas as pd

# 创建原始数据
data = {
    '品牌': ['Nike', 'Nike', 'Adidas', 'Adidas', 'Adidas', 'Flight'],
    '产品': ['鞋', '袜子', '鞋', '鞋', '袜子', '短裤']
}
df = pd.DataFrame(data)

# 统计品牌-产品组合的出现次数
count_table = df.groupby(['品牌', '产品']).size().unstack(fill_value=0)

# 添加行总计（各品牌的总次数）
count_table['行总计'] = count_table.sum(axis=1)

# 添加列总计（各产品的总次数）
count_table.loc['列总计'] = count_table.sum(axis=0)

print(count_table)

运行后得到的计数表：

短裤  鞋  袜子  行总计
品牌                  
Adidas   0  2   1     3
Flight   1  0   0     1
Nike     0  1   1     2
列总计     1  3   2     6

2. 转换为基于列总计的百分比 #

提取核心数据列，除以对应列的总计值得到占比，再格式化为百分比，最后补全行、列总计：

# 提取需计算百分比的部分（排除行总计列和列总计行）
percent_data = count_table.drop('行总计', axis=1).drop('列总计', axis=0)

# 计算列占比：每个单元格除以该列的总计值
percent_table = percent_data.div(count_table.loc['列总计'].drop('行总计'), axis=1)

# 格式化为保留两位小数的百分比
percent_table = percent_table.applymap(lambda x: f"{x:.2%}")

# 重新添加行总计（各产品占比之和）
percent_table['行总计'] = percent_table.sum(axis=1)

# 添加列总计（各品牌在该产品的占比之和）
percent_table.loc['列总计'] = percent_table.sum(axis=0)

print(percent_table)

运行结果：

短裤       鞋      袜子    行总计
品牌                                  
Adidas   0.00%  66.67%  50.00%  116.67%
Flight  100.00%   0.00%   0.00%  100.00%
Nike     0.00%  33.33%  50.00%   83.33%
列总计    100.00%  100.00%  100.00%  300.00%

注：行总计的和超过100%是不同产品占比的累加结果，若不需要可保留原始计数的行总计，按需调整即可。

3. 对所有单元格数值乘以调整系数 #

完全可以实现，分两种场景处理：

• 针对计数表：直接对数值列乘以系数

adjust_factor = 0.75
adjusted_count_table = count_table.multiply(adjust_factor)
print(adjusted_count_table)

• 针对百分比表：先把百分比转回小数，乘以系数后再重新格式化为百分比

# 百分比转回小数
percent_decimal = percent_table.applymap(lambda x: float(x.strip('%'))/100)
# 乘以调整系数
adjusted_percent_decimal = percent_decimal.multiply(adjust_factor)
# 重新转为百分比格式
adjusted_percent_table = adjusted_percent_decimal.applymap(lambda x: f"{x:.2%}")
print(adjusted_percent_table)

内容的提问来源于stack exchange，提问作者zen