如何通过Pandas GroupBy计算布尔Flag为True占比及指定字段分组求和

你可以使用Pandas的groupby结合agg方法完成多列不同规则的分组聚合，完整代码如下：

import pandas as pd

# 构造测试数据集
df = pd.DataFrame({
    'Id': [1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 3, 4, 4, 4, 4],
    'Session':[1, 2, 3, 4, 5, 6, 7, 1, 2, 3, 1, 1, 2, 3, 4],
    'Flag': [1, 0, 0, 1, 1, 0, 1, 0, 1, 0, 1, 1, 0, 0, 1],
    'toSum': [2, 4, 5, 6, 3, 0, 1, 4, 6, 2, 4, 2, 1, 5, 10]
})

# 按Id分组聚合
res = df.groupby('Id', as_index=False).agg(
    Flag_pert=('Flag', lambda x: round(x.mean() * 100, 2)),
    toSum=('toSum', 'sum')
).rename(columns={'Flag_pert': 'Flag %'})

# 输出结果
print(res)

运行后输出结果和预期完全一致：

Id  Flag %  toSum
0   1   57.14     21
1   2   33.33     12
2   3  100.00      4
3   4   50.00     18

• groupby('Id', as_index=False)：指定按Id列分组，同时设置as_index=False避免Id被转为索引，保留为结果的普通列
• agg方法可以同时为不同列指定不同的聚合规则：
  • 对Flag列：1代表True、0代表False，直接计算列均值再乘以100即可得到True值的占比，用round保留2位小数
  • 对toSum列：直接使用sum规则计算分组总和
• 最后用rename方法将百分比列名修改为需要的Flag %

内容的提问来源于stack exchange，提问作者ChrisOram