Pandas多列数据处理：计算各街区True列表占比的方法

嘿，我来帮你搞定这个问题！你碰到的AttributeError: 'Series' object has no attribute 'True'，原因很直接：True和False是Python的保留关键字，不能用.True/.False这种属性访问的方式来获取DataFrame的列。Pandas的属性访问只支持符合Python标识符规则的列名（比如不能是关键字、不能带空格），所以得改用方括号[]来访问这些列。

另外，你的示例数据里有个小bug：{ 'neighbourhood': 'Bromley', False: Bromley, True: 0 }这一行的False值写了Bromley（应该是数字，我下面假设是1890，你可以换成实际数值）。

下面是完整的修正方案：

1. 先修正并构造正确的DataFrame #

import pandas as pd

data = [
    { 'neighbourhood': 'Barking and Dagenham', False: 795, True: 0 },
    { 'neighbourhood': 'Barnet', False: 6451, True: 0 },
    { 'neighbourhood': 'Bexley', False: 704, True: 0 },
    { 'neighbourhood': 'Brent', False: 13681, True: 576 },
    { 'neighbourhood': 'Bromley', False: 1890, True: 0 }  # 修正此处的数值错误
]
df = pd.DataFrame(data)

2. 计算True值占比的正确代码 #

用方括号访问列，先计算总数量，再算占比（注意处理总数量为0的情况，避免除以0报错）：

# 计算每个街区的总列表数
df['total'] = df[True] + df[False]
# 计算True值的占比，并用fillna(0)处理总数量为0的情况
df['percent_true'] = (df[True] / df['total']) * 100
df['percent_true'] = df['percent_true'].fillna(0)

3. 更简洁的写法（省略total列） #

如果你不需要保留total列，可以直接一行完成计算，还能顺便保留两位小数让结果更美观：

df['percent_true'] = (df[True] / (df[True] + df[False])) * 100
df['percent_true'] = df['percent_true'].fillna(0).round(2)

运行后，你就能得到每个街区的True值占比了。比如Brent街区的占比大概是4.05%，其他街区因为True值为0，占比就是0。

内容的提问来源于stack exchange，提问作者Richard