如何为Pandas DataFrame每个分组新增占组内总值100%的占比列

核心实现代码 #

无需循环遍历，直接使用groupby+transform即可一行完成需求：

# 计算占比（返回小数形式）
df7['perc'] = df7.groupby('group')['test'].transform(lambda x: x / x.sum())

# 如果需要显示为带%的百分比格式，可使用以下代码
df7['perc'] = df7.groupby('group')['test'].transform(lambda x: (x / x.sum() * 100).round(2)).astype(str) + '%'

transform方法会将分组后的聚合计算结果映射回原数据的每一行，刚好匹配每行显示对应分组占比的需求，且执行效率远高于自行编写的遍历循环。

原代码错误原因 #

• 每次循环迭代都会对整个perc列重新赋值，最终整列仅会保留最后一次迭代对应分组的计算结果，无法为所有分组正确计算占比
• 手动遍历全表的实现效率极低，不适用于数据量较大的DataFrame

内容的提问来源于stack exchange，提问作者Sinethemba Imesim Makoma