Pandas按GROUP列分组实现多列TopN归一化值计数统计

import pandas as pd

# 初始化测试用DataFrame
df = pd.DataFrame({
    'GROUP': ['A', 'A', 'B', 'B', 'C', 'C','A', 'A', 'B', 'B', 'C', 'C','B', 'B', 'C', 'C','A'],
    'CATEGORY': ['ORANGE', 'WHITE', 'WHITE','ORANGE','ORANGE','BLACK', 'WHITE', 'BLACK', 'BROWN','BLACK','ORANGE','BLACK', 'WHITE', 'WHITE', 'WHITE', 'BLACK', 'BLACK'], 
    'SHAPE':['SQUARE','TRIANGLE','SQUARE','CIRCLE','CIRCLE','CIRCLE','SQUARE','CIRCLE','TRIANGLE','CIRCLE','CIRCLE','SQUARE','CIRCLE','TRIANGLE','CIRCLE','SQUARE','CIRCLE']
})

# 配置参数
top_n = 2  # 每个分组下取前n个高频结果
value_cols = [col for col in df.columns if col != 'GROUP']  # 所有待统计的列
merged_result = None  # 存储最终拼接结果

for col in value_cols:
    # 1. 复用单列表分组计数逻辑，取top n的归一化值计数结果
    temp = df.groupby('GROUP')[col].apply(
        lambda x: x.value_counts(normalize=True).head(top_n)
    ).rename(f'{col}_占比').reset_index()
    
    # 2. 自动识别值列，避免索引命名不一致导致的报错
    value_col_name = [c for c in temp.columns if c not in ['GROUP', f'{col}_占比']][0]
    temp = temp.rename(columns={value_col_name: f'{col}_取值'})
    
    # 3. 给每个分组内的结果加排名序号，作为横向对齐的锚点
    temp['组内排名'] = temp.groupby('GROUP').cumcount()
    
    # 4. 逐列横向拼接结果
    if merged_result is None:
        merged_result = temp
    else:
        merged_result = merged_result.merge(
            temp, 
            on=['GROUP', '组内排名'], 
            how='outer'
        )

# 还原为带分组层级的最终输出结构
final_result = merged_result.set_index(['GROUP', '组内排名'])

• 逐列遍历所有非分组字段，完全复用你已验证的分组值计数逻辑，独立计算每个列在对应分组下的归一化频次，截取每个分组下Top n的高频结果
• 自动适配列名规则，将分类值和占比拆分为独立列，统一命名为[原列名]_取值、[原列名]_占比，满足“列名+百分比标识”的列名格式要求
• 通过累计计数为每个分组内的结果添加从0开始的排名标记，以GROUP和组内排名为关联键做拼接，保证同组内同一排名的结果在同一行对齐，最终输出结构和你预期的横向对齐效果完全匹配
• 仅需修改top_n参数即可调整每个分组下展示的高频结果数量，适配不同统计粒度需求

如果需要将小数形式的占比转换为直观的百分比字符串格式，可在得到最终结果后追加以下处理：

# 占比转百分比字符串，保留1位小数
for col in value_cols:
    final_result[f'{col}_占比'] = (final_result[f'{col}_占比'] * 100).round(1).astype(str) + '%'

内容的提问来源于stack exchange，提问作者AVal