Pandas DataFrame如何统计指定列同值索引占总索引的百分比

默认你使用Python Pandas库处理DataFrame，可按以下步骤实现： #

1. 确定统计基准总索引数 #

根据你的统计口径选择对应总基数：

• 口径为原始master主DataFrame总索引数（含已剔除的索引）：提前记录原始总长度，再加上你已统计的剔除索引数量即可

  # 原始master总长度
  total_original = len(master.index)
  # 若需要把整理过程剔除的索引纳入总基数
  total_base = total_original + dropped_count  # dropped_count为你已得到的剔除索引数量
  

• 口径为当前待计算的单个拆分后DataFrame的总索引数：直接取当前df的长度

  total_base = len(target_df.index)
  

2. 统计X列指定取值的匹配索引数 #

单值统计 #

如果只需要统计X列取值等于某个指定值的索引数量，用布尔索引求和即可，性能优于生成子DataFrame：

target_value = "你要匹配的X列取值"
match_count = (target_df["X"] == target_value).sum()

全值批量统计 #

如果需要一次性得到X列所有不同取值的对应占比，直接调用value_counts方法即可：

# normalize=True直接返回占比，乘100转百分比，保留2位小数
x_value_percentage = target_df["X"].value_counts(normalize=True).mul(100).round(2)
# 输出格式示例：取值A    35.22  取值B   24.18 ...

3. 计算百分比 #

单值统计的百分比计算公式如下，可根据需要调整保留的小数位数：

percentage = round((match_count / total_base) * 100, 2)
# 如需加上百分号可格式化输出
print(f"占比为：{percentage}%")

内容的提问来源于stack exchange，提问作者Steve T