Python基于DataFrame的groupby分组计算不同原籍国学生汽车拥有比例

核心实现逻辑 #

计算不同原生国家的学生汽车拥有率，操作逻辑非常直接：

• 按student-native-country字段对全量学生数据做分组
• 对每个分组统计组内car-owner值为Y的人数，除以该组总人数，得到对应群体的汽车拥有比例

这种计算方式的优势是，哪怕某个国家的学生全部没有汽车，分组结果也不会丢失该国家的条目，比例值会自动计算为0，无需额外做补全处理。

具体实现代码 #

import pandas as pd

# 载入原始DataFrame（实际使用时可替换为本地文件读取逻辑，如pd.read_csv/pd.read_excel）
raw_data = [
    ["M", "BS", "Cuba", "N"],
    ["F", "BS", "Brazil", "N"],
    ["F", "BS", "US", "N"],
    ["M", "MS", "US", "Y"],
    ["F", "MS", "US", "N"],
    ["M", "BS", "Cuba", "N"],
    ["F", "BS", "Brazil", "N"],
    ["F", "MS", "US", "N"],
    ["F", "MS", "US", "N"],
    ["M", "BS", "Cuba", "Y"],
    ["F", "BS", "Brazil", "N"]
]
df = pd.DataFrame(
    raw_data,
    columns=["student-gender", "student-current-enrollment", "student-native-country", "car-owner"]
)

# 按国家分组计算汽车拥有比例
ratio_result = df.groupby("student-native-country")["car-owner"].apply(
    lambda group: (group == "Y").mean()
)

示例数据的计算结果 #

针对给出的测试数据集，代码运行后输出的比例值为：

• Cuba：0.333（即33.3%，组内共3名学生，其中1人拥有汽车）
• Brazil：0（即0%，组内共3名学生，无人拥有汽车）
• US：0.2（即20%，组内共5名学生，其中1人拥有汽车）

扩展统计用法 #

如果需要同时输出每个国家的总学生数、汽车拥有人数、汽车拥有比例的完整统计表格，可以通过多聚合方法实现：

country_full_stats = df.groupby("student-native-country")["car-owner"].agg(
    total_student_count="count",
    car_owner_total=lambda x: (x == "Y").sum(),
    car_owner_ratio=lambda x: (x == "Y").mean()
)

注意：如果原始数据存在空值（比如部分学生未填写汽车拥有状态），需要在分组统计前用df.dropna(subset=["car-owner"])过滤无效记录，避免统计结果出现偏差。

内容的提问来源于stack exchange，提问作者Saqib Ali