Pandas使用Groupby分组计算行值占分组总和比例的实现问题

原有代码错误原因 #

1. 语法错误：df.groupby("ID").apply(row_sum: input=df["A"]) 不符合Python函数传参规范，且传入的df["A"]是完整数据集的A列，不是分组后的子集，逻辑完全不匹配。
2. 变量命名冲突：自定义函数中用sum作为变量名，会覆盖Python内置的sum()函数，属于不规范的命名实践。
3. 方法选择错误：直接对groupby对象使用apply默认返回的是分组聚合结果，无法直接映射到原数据集的每一行，更适合用transform方法做分组结果广播。

最简实现方式 #

无需自定义函数，用pandas内置的transform方法即可高效实现需求：

import pandas as pd

# 构造测试数据
df = pd.DataFrame({
    'ID': [1, 1, 1, 2, 2],
    'A': [2, 3, 4, 1, 2]
})

# 计算占比（默认输出浮点数）
df['B'] = df['A'] / df.groupby('ID')['A'].transform('sum')

# 如果需要输出"x/y"格式的分数字符串，可改用如下写法
df['B'] = df.apply(
    lambda x: f"{x['A']}/{df.groupby('ID')['A'].sum()[x['ID']]}",
    axis=1
)

运行后即可得到你预期的输出结果。

自定义apply的修正写法 #

如果你坚持要用自定义函数配合apply实现，可按如下方式调整代码：

def calc_group_ratio(group):
    # 传入的group是每个ID对应的子DataFrame
    group['B'] = group['A'] / group['A'].sum()
    return group

# group_keys=False避免额外生成分组索引
df = df.groupby('ID', group_keys=False).apply(calc_group_ratio)

类封装实现 #

以下是将逻辑封装为类和方法的示例，支持自定义参数：

import pandas as pd

class GroupRatioCalculator:
    def __init__(self, input_df):
        self.raw_df = input_df.copy()
        self.output_df = None

    def calculate(self, group_col: str, value_col: str, 
                  result_col: str = 'B', return_fraction_str: bool = False):
        """
        按指定列分组，计算数值列占分组总和的比例
        :param group_col: 分组维度的列名
        :param value_col: 要计算占比的数值列名
        :param result_col: 存储计算结果的列名，默认值为'B'
        :param return_fraction_str: 是否返回"x/y"格式的分数字符串，默认返回浮点型比例
        """
        df = self.raw_df.copy()
        group_sum = df.groupby(group_col)[value_col].sum()

        if return_fraction_str:
            sum_map = group_sum.to_dict()
            df[result_col] = df.apply(lambda x: f"{x[value_col]}/{sum_map[x[group_col]]}", axis=1)
        else:
            df[result_col] = df[value_col] / df.groupby(group_col)[value_col].transform('sum')
        
        self.output_df = df
        return self.output_df

调用示例：

# 初始化实例
calculator = GroupRatioCalculator(df)
# 调用方法获取结果
result = calculator.calculate(group_col='ID', value_col='A', return_fraction_str=True)

内容的提问来源于stack exchange，提问作者Kosta S.