如何在groupby分组后统计DataFrame指定列中特定值的占比

核心实现代码 #

因为你的is_good是0/1编码字段，1的占比天然等于分组内该列的平均值，也可以用通用统计逻辑兼容非0/1编码的场景，完整可运行代码如下：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'id': ['a1', 'a1', 'a1', 'bb', 'bb', 'bb', 'bb'],
    'is_good': [1, 1, 0, 1, 0, 0, 0]
})

# 执行groupby后聚合计算占比
result = df.groupby('id', as_index=False)['is_good'].agg(
    # 通用写法，所有场景都适用
    is_good_perc = lambda x: round((x == 1).sum() / x.count(), 2)
    # 针对0/1编码的简化写法：is_good_perc = lambda x: round(x.mean(), 2)
)

print(result)

运行输出结果 #

完全符合你的预期：

id  is_good_perc
0  a1          0.67
1  bb          0.25

逻辑说明 #

执行groupby("id")后，只需要对is_good列做自定义聚合操作即可：

• 先统计分组内is_good等于1的行数
• 除以分组内总行数得到占比
• 用round()方法保留2位小数
• 参数as_index=False是为了让分组键id作为普通列输出，而非行索引，符合你预期的结果结构。

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