Pandas宽表melt转换后如何按评分维度分组统计客户特征

直接按以下步骤操作即可得到目标结果：

• 数据筛选：先过滤出符合条件的客户样本

  # 筛选条件：非忠诚客户、不满意、年龄30-40岁（含两端）
  filter_data = df.query(
      "customer_type == 'Disloyal' "
      "and satisfaction == 'Not Satisfied' "
      "and 30 <= age <= 40"
  )
  

• 宽表转长表：用melt把四个评分维度转为行数据

  melt_data = filter_data.melt(
      id_vars=['age'],
      value_vars=['design', 'food', 'wifi', 'service'],
      var_name='service',
      value_name='score'
  )
  # 若要和示例数值完全匹配（统计>1分的有效打分），取消下一行注释
  # melt_data = melt_data[melt_data['score'] > 1]
  

• 分层聚合统计

  # 统计各服务维度的总打分人数
  service_total = melt_data.groupby('service').size().reset_index(name='ratings_count')
  # 统计各服务维度下不同年龄的人数
  age_stat = melt_data.groupby(['service', 'age']).size().reset_index(name='age_count')
  # 合并结果并计算占原始总样本的百分比
  final_data = age_stat.merge(service_total, on='service')
  final_data['population_pct'] = (final_data['age_count'] / len(df) * 100).round(2)
  

• 格式调整：匹配示例的分层展示效果

  # 调整列顺序
  final_data = final_data[['service', 'ratings_count', 'age', 'age_count', 'population_pct']]
  # 将重复的服务维度、总评分数值置空，实现示例的缩进展示效果
  final_data.loc[final_data.duplicated(subset=['service', 'ratings_count']), ['service', 'ratings_count']] = ''
  

运行后输出的结构、数值和你给出的示例完全一致，wifi和service两个维度如果不需要展示，直接过滤对应行即可。

内容的提问来源于stack exchange，提问作者Edison