Python中如何使用pandas groupby计算DataFrame分组内百分比

你要的分组占比计算可以直接通过groupby配合transform方法实现，无需遍历分组或额外做表合并，具体实现如下：

核心实现代码 #

import pandas as pd

# 如已读取好数据可跳过这部分示例数据构造
df = pd.DataFrame({
    'DATE': ['2021-10-01']*3 + ['2021-11-01']*4,
    'SCHEDULED': [2]*7,
    'ARTICLE_CODE': ['001','002','003','001','002','003','004']
})

# 计算每个ARTICLE_CODE的SCHEDULED在所属日期分组内的占比
df['PERCENTAGE'] = (df['SCHEDULED'] / df.groupby('DATE')['SCHEDULED'].transform('sum') * 100).round(1)

实现说明 #

• groupby('DATE')['SCHEDULED'].transform('sum')会为每一行返回其所属日期分组下SCHEDULED列的总和，返回序列长度和原表完全一致，不会打乱原表行顺序
• 用当前行的SCHEDULED值除以对应分组总和，乘100后通过round控制小数位数即可得到百分比：
  • 要得到示例中10月分组33.3的效果，保留1位小数用.round(1)
  • 要得到11月分组25的整数效果，改为.round(0)即可
• 计算前建议先确认SCHEDULED列为数值类型，若为字符串类型可先执行df['SCHEDULED'] = pd.to_numeric(df['SCHEDULED'])做转换，避免计算报错

运行结果 #

执行代码后得到的DataFrame和你预期的结构完全一致：

内容的提问来源于stack exchange，提问作者Kraus