如何使用Python计算分类列的分组（组内）占比

需求背景 #

需统计各研究地点的性别分类占比，提问者已给出一种可行的单行实现方案，以下为具体实现及替代方案参考。

示例DataFrame构造 #

import pandas as pd
# 构造测试数据
df = pd.DataFrame({"location": {0: "site 1", 1: "site 1", 2: "site 2", 3: "site 2", 4: "site 1"},
                   "gender": {0: "male", 1: "female", 2: "male", 3: "female", 4: "female"}})
print(df)

原实现方案 #

实现逻辑 #

• 调用groupby按location字段分组
• 使用value_counts加normalize参数统计组内频次占比
• 使用unstack将层级结果展开为二维表
• 乘以100转换为百分比格式后保留2位小数

对应代码 #

round(df.groupby(['location'])['gender'].value_counts(normalize = True).unstack()*100, 2)

替代实现方案 #

方案1：使用crosstab实现（最简洁） #

crosstab原生支持按行/列归一化，代码可读性更高：

pd.crosstab(index=df['location'], columns=df['gender'], normalize='index').round(2)*100

方案2：使用pivot_table实现 #

适合需要同步聚合其他指标的复杂场景：

df.pivot_table(
    index='location', 
    columns='gender', 
    aggfunc='size', 
    fill_value=0
).apply(lambda x: x/x.sum(), axis=1).round(2)*100

方案3：分步计算实现 #

逻辑拆分清晰，便于调试中间结果：

# 第一步：统计各地点各性别的样本数
group_count = df.groupby(['location', 'gender']).size().unstack(fill_value=0)
# 第二步：按行计算各组占比
gender_rate = group_count.div(group_count.sum(axis=1), axis=0).round(2)*100

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