如何用Pandas Groupby计算DataFrame每组的通过率？

先看你的原始数据结构和需求：

原始DataFrame示例：

序号	a	b	c	result
0	80	50	10000	pass
1	80	50	10000	pass
2	100	50	10000	pass
3	100	50	10000	fail
...	...	...	...	...
XX	110	70	15000	pass
XX	110	70	15000	pass
XX	110	80	10000	fail
XX	110	80	10000	fail

你需要得到每个(a,b,c)组合的pass频率，输出结构如下：

期望结果：

序号	a	b	c	passFreq
0	80	50	10000	1.0
1	100	50	10000	0.5
...	...	...	...	...
2	110	70	15000	1.0
3	110	80	10000	0.0

你之前用df.groupby(['a','b','c']).describe()确实不太合适，因为这个方法返回的是全量统计描述（均值、中位数、分位数等），不是直接的pass频率。下面给你两种简单直接的实现方法：

方法一：数值转换 + 分组求均值（推荐） #

这个方法最简洁，核心思路是把pass转成1，fail转成0，然后分组求均值，均值就是pass的频率：

# 第一步：将result列转为数值标记
df['pass_flag'] = df['result'].map({'pass': 1, 'fail': 0})

# 第二步：按(a,b,c)分组，计算pass_flag的均值，得到pass频率
pass_freq_df = df.groupby(['a', 'b', 'c'])['pass_flag'].mean().reset_index(name='passFreq')

这样得到的pass_freq_df就是你想要的结构，passFreq列就是百分比形式的频率（比如1.0代表100%，0.5代表50%）。如果需要转成百分比字符串，比如"100%"，可以再加一步：

pass_freq_df['passFreq'] = (pass_freq_df['passFreq'] * 100).astype(str) + '%'

方法二：分组统计频率（无需额外列） #

如果不想新增辅助列，可以直接对分组后的result列做频率统计，然后筛选出pass的部分：

# 按(a,b,c)分组，统计result的频率（normalize=True返回比例）
freq_series = df.groupby(['a', 'b', 'c'])['result'].value_counts(normalize=True)

# 提取pass对应的频率，重置索引
pass_freq_df = freq_series.xs('pass', level='result', drop_level=True).reset_index(name='passFreq')

# 处理全是fail的分组（这类分组不会有pass的统计记录，需要补0）
# 先获取所有(a,b,c)组合，再合并填充
all_groups = df.groupby(['a', 'b', 'c']).size().reset_index(name='temp')
pass_freq_df = pass_freq_df.merge(all_groups, on=['a', 'b', 'c'], how='right')
pass_freq_df['passFreq'] = pass_freq_df['passFreq'].fillna(0)
pass_freq_df = pass_freq_df.drop('temp', axis=1)

这个方法虽然步骤多一点，但不需要修改原始DataFrame，适合不想新增列的场景。

内容的提问来源于stack exchange，提问作者RedSmolf