如何计算缩放型调查数据的总计数百分比

使用Python pandas库可快速生成你需要的两列统计结果，操作步骤如下：

• 安装依赖：如果没装pandas，先在终端执行pip install pandas完成安装
• 读取本地CSV文件，提取Answer字段做聚合统计
• 计算每个取值的出现次数占总样本量的比例，格式化为百分比
• 输出结果表，支持直接导出为新的CSV文件

核心实现代码：

import pandas as pd

# 替换为你本地CSV文件的实际存储路径
df = pd.read_csv("你的调查数据文件路径.csv")

# 统计每个Answer取值的出现次数
stat_df = df["Answer"].value_counts().sort_index().reset_index()
stat_df.columns = ["Answer", "sample_count"]

# 计算总计计数占比，默认保留2位小数，可按需调整round的参数
total_sample = len(df)
stat_df["grand total count %"] = (stat_df["sample_count"] / total_sample * 100).round(2).astype(str) + "%"

# 提取需要的两列作为最终结果
final_result = stat_df[["Answer", "grand total count %"]]

# 可选：将结果保存为新CSV，utf-8-sig编码可避免Excel打开乱码
final_result.to_csv("answer占比统计结果.csv", index=False, encoding="utf-8-sig")

# 控制台打印结果核对
print(final_result)

如果你的Answer字段是0-100区间的连续数值、需要按区间分箱统计（比如每10分为一个区间），可以将统计部分的代码替换为分箱逻辑：

# 按0-10、10-20...90-100的区间分箱，可修改bins参数调整间隔
df["answer_range"] = pd.cut(df["Answer"], bins=[0,10,20,30,40,50,60,70,80,90,100], include_lowest=True)
stat_df = df["answer_range"].value_counts().sort_index().reset_index()
stat_df.columns = ["Answer", "sample_count"]

内容的提问来源于stack exchange，提问作者Bhadriraju Nitin