在R中按月份分组逐行计算客户支持与客户的响应比率

实现方案（Python Pandas） #

核心思路 #

• 先按月份做数据透视，拆分出两个分组各自的月度Total值
• 按规则计算单月响应率后，关联回原始数据集，保证同月份记录的响应率一致
• 基于单月响应率计算全局平均值

代码实现 #

首先导入依赖并构造示例数据（实际使用时替换为你自己的df即可）：

import pandas as pd

# 示例数据构造，可替换为你的真实数据读取逻辑
data = {
    "Group": ["Customer", "Customer Support", "Customer", "Customer Support", 
              "Customer", "Customer Support", "Customer", "Customer Support"],
    "Month": ["Jan", "Jan", "Feb", "Feb", "Mar", "Mar", "Apr", "Apr"],
    "Total": [170, 141, 134, 131, 162, 136, 236, 190]
}
df = pd.DataFrame(data)

数据处理逻辑：

# 计算每个月的响应率
monthly_ratio = df.pivot(index="Month", columns="Group", values="Total")
monthly_ratio["Response Ratio"] = (monthly_ratio["Customer Support"] / monthly_ratio["Customer"]).round(2)

# 匹配回原数据集，得到带响应率的结果表
result_df = df.merge(monthly_ratio[["Response Ratio"]], on="Month", how="left")

# 计算全局平均响应率
global_avg_ratio = monthly_ratio["Response Ratio"].mean()

结果验证 #

输出result_df即可得到你预期的格式：

global_avg_ratio即为所有月份的全局平均响应率。

内容的提问来源于stack exchange，提问作者Dinho