如何对pandas列分组计算占比并生成新的百分比列

实现代码 #

你可以用以下两种简洁的方式实现需求，第二种对大数据量的处理效率更高：

方式1：链式调用+分组聚合（代码更简洁）

import pandas as pd

# 你的初始数据
mydict ={
        'person': ['Jenny', 'Jenny', 'David', 'David', 'Max', 'Max'],
        'fruit': ['Apple', 'Orange', 'Apple', 'Orange', 'Apple', 'Orange'],
        'eaten': [25, 75, 15, 5, 10, 10]
    }
df = pd.DataFrame(mydict) 

# 核心转换逻辑
res = df.set_index(['person', 'fruit']) \
        .groupby(level='person') \
        .apply(lambda x: x / x.sum()) \
        .unstack() \
        .reset_index()

# 格式化列名、保留两位小数
res.columns = ['person', 'apple_percentage', 'orange_percentage']
res = res.round(2)

方式2：transform预计算总和（性能更优）

# 计算每个人的总食用量，匹配到原数据每一行
df['person_total'] = df.groupby('person')['eaten'].transform('sum')
# 计算单种水果占个人总食用量的比例
df['percentage'] = df['eaten'] / df['person_total']

# 长表转宽表
res = df.pivot(index='person', columns='fruit', values='percentage') \
        .reset_index() \
        .rename_axis(None, axis=1)

# 格式化列名、保留两位小数
res.columns = ['person', 'apple_percentage', 'orange_percentage']
res = res.round(2)

运行结果 #

两种方式得到的res输出均为你需要的格式：

内容的提问来源于stack exchange，提问作者Alfie Grace