Pandas如何按分组计算分类值的组内百分比

你用groupby().size()拿到计数结果后，只需要补充按组归一化的逻辑即可得到百分比，下面给两种可直接运行的实现方式：

方法1：最简写法，直接调用value_counts归一化参数 #

pandas的value_counts方法原生支持归一化计算占比，不需要手动算除法，代码最简洁：

import pandas as pd

# 构造示例数据源
df = pd.DataFrame({
    'id': [1,1,1,2,3,3],
    'value_type': ['b','a','a','a','a','b']
})

# 核心计算逻辑
result = df.groupby('id')['value_type']\
    .value_counts(normalize=True)\
    .reset_index(name='perc')\
    .round(2)

# 若需要匹配示例中id=1时b在前的顺序，加一行排序即可
result = result.sort_values(by=['id', 'value_type'], ascending=[True, False])

运行后打印result输出如下，和你预期结果完全一致：

id value_type  perc
1   1          b  0.33
0   1          a  0.67
2   2          a  1.00
4   3          b  0.50
3   3          a  0.50

注：0.67和你示例里的0.66是四舍五入精度差异，如果你需要向下截断两位小数，可以把round(2)换成自定义取整逻辑，常规分析场景下round的结果精度足够。

方法2：基于你已写的size()逻辑改造 #

如果你已经用groupby().size()拿到了分组计数结果，不需要推倒重写，通过transform匹配每组总条数做除法即可：

# 你之前已经拿到的计数结果
count_df = df.groupby(['id', 'value_type']).size().reset_index(name='cnt')

# 给每一行匹配所属id组的总样本量
count_df['group_total'] = count_df.groupby('id')['cnt'].transform('sum')

# 计算占比
count_df['perc'] = (count_df['cnt'] / count_df['group_total']).round(2)

# 筛选需要的列得到最终结果
result = count_df[['id', 'value_type', 'perc']]

补充说明 #

• 如果需要输出百分比格式（比如33%、66%），可以把占比计算行替换为count_df['perc'] = (count_df['cnt'] / count_df['group_total']).apply(lambda x: f"{x*100:.0f}%")
• transform的作用是把分组聚合后的结果按原数据索引对齐返回，不会改变原表的行数，非常适合分组后给每行添加组级聚合值的场景

内容的提问来源于stack exchange，提问作者gh1222