使用Pandas计算一列值达到另一列目标值的记录占比

核心计算逻辑非常简单，利用Pandas的向量化运算即可快速完成，哪怕是6万行数据也能秒出结果，不需要写循环：

• 逐行匹配判断实际认捐金额是否大于等于目标金额，生成布尔值序列（达标为True，未达标为False）
• 对布尔序列求均值——Pandas数值运算时会自动把True转成1、False转成0，均值结果就是达标记录数/总记录数的小数占比
• 乘以100即可得到百分比数值

完整代码示例 #

import pandas as pd

# --------------------------
# 此处替换为你自己的数据集读取代码，比如pd.read_csv()等
# 以下是样例数据构造代码
df = pd.DataFrame({
    "Goal": [9371, 700, 20000],
    "Pledged": [232, 745, 137]
})
# --------------------------

# 可选：如果数据集存在Goal或Pledged为空的行，先执行这行删除空值避免统计偏差
# df = df.dropna(subset=["Goal", "Pledged"])

# 计算达标百分比
pass_rate = (df["Pledged"] >= df["Goal"]).mean() * 100

# 输出结果，:.2f表示保留2位小数，可按需调整
print(f"认捐达标的记录占总记录的{pass_rate:.2f}%")

样例运行结果 #

针对给出的3条样例数据，只有第二条Pledged=745 >= Goal=700达标，运行后输出结果为：

认捐达标的记录占总记录的33.33%

6000行的正式数据集直接套用这段代码即可，不需要做额外调整。

内容的提问来源于stack exchange，提问作者John Williams