如何用pandas实现单列与其余列对比统计计数及占比

实现方法 #

首先你需要先指定作为对比基准的核心列，以下提供两种常用的实现方案：

方案1：基于groupby实现 #

输出为长表结构，适合后续进一步数据处理：

# 指定基准对比列，可按需修改
base_col = "gender"
compare_cols = [col for col in df.columns if col != base_col]

result = {}
for col in compare_cols:
    # 分组统计计数
    count_df = df.groupby([base_col, col]).size().reset_index(name='计数')
    # 按基准列分组计算对应占比
    count_df['占比'] = count_df.groupby(base_col)['计数'].transform(lambda x: x/x.sum()).round(4)
    result[col] = count_df

# 查看指定列的对比结果
print(result["homework finishing"])

方案2：基于crosstab实现（更推荐） #

pd.crosstab是pandas专门用于交叉统计的函数，输出为宽表结构，可读性更高：

base_col = "gender"
compare_cols = [col for col in df.columns if col != base_col]

for col in compare_cols:
    # 统计计数
    count = pd.crosstab(df[base_col], df[col])
    # 统计基准列维度下的占比，normalize参数设为'columns'可改为按对比列维度计算占比
    ratio = pd.crosstab(df[base_col], df[col], normalize='index').round(4)
    # 合并计数和占比
    cross_res = count.join(ratio, rsuffix='_占比')
    
    print(f"=== {base_col} 与 {col} 统计结果 ===")
    print(cross_res, "\n")

结果说明 #

以示例数据中gender与under 15的统计结果为例，输出如下：

=== gender 与 under 15 统计结果 ===
under 15  False  True  False_占比  True_占比
gender
Female        2     2        0.5       0.5
Male          0     2        0.0       1.0 

如果需要计算整体占比而非基准列内的占比，将normalize参数改为'all'即可。

内容的提问来源于stack exchange，提问作者Cooper