按省份分组计算DataFrame中profession列为'teacher'的条目占比

groupby 后调用 value_counts 时传入 normalize=True 参数，默认就是按当前分组的总条目数计算占比，不会使用全局统计值，刚好匹配你的需求。 #

实现代码 #

第一步：构造示例测试数据 #

import pandas as pd

df = pd.DataFrame({
    'province': ['北京', '北京', '北京', '上海', '上海', '广东', '广东', '广东', '广东'],
    'profession': ['teacher', 'doctor', 'teacher', 'teacher', 'engineer', 'doctor', 'teacher', 'teacher', 'lawyer']
})

方法1：基于value_counts的简洁实现 #

# 分组后计算组内各职业占比，筛选teacher的占比并转成百分比格式
result = df.groupby('province')['profession'].value_counts(normalize=True).loc[:, 'teacher'] * 100
# 格式化输出，保留2位小数
result = result.round(2).reset_index(name='teacher占比(%)')
print(result)

方法2：基于自定义规则的灵活实现 #

适合需要扩展统计规则的场景，逻辑更直观

result = df.groupby('province').apply(
    lambda x: (x['profession'] == 'teacher').sum() / len(x) * 100
).round(2).reset_index(name='teacher占比(%)')
print(result)

输出示例 #

两种方法的输出完全一致：

province  teacher占比(%)
0       北京          66.67
1       上海          50.00
2       广东          50.00

内容的提问来源于stack exchange，提问作者Cody Kane