Python Groupby结合排序：求各职业男性占比并降序排序遇阻求助

嘿，我来帮你搞定这个问题！计算各职业男性占比并排序其实很清晰，我给你分步拆解，附上两种常用的实现方法，你可以根据自己的DataFrame结构灵活调整：

前提假设 #

先假设你的DataFrame包含两列核心数据：

• occupation：职业名称列
• gender：性别列（取值比如'M'代表男性，'F'代表女性；如果你的数据是数字编码，比如1/0，后面的代码只需微调判断条件即可）

如果你的DataFrame有缺失值，建议先处理：

# 移除职业或性别列的缺失行
df = df.dropna(subset=['occupation', 'gender'])

方法一：Groupby + 聚合计算 #

这是最直观的分步写法，适合新手理解每一步逻辑：

import pandas as pd

# 1. 按职业分组，统计总人数和男性人数
occupation_stats = df.groupby('occupation').agg(
    total_people=('gender', 'count'),  # 该职业总人数
    male_people=('gender', lambda x: (x == 'M').sum())  # 该职业男性人数
)

# 2. 计算男性占比（保留2位小数，便于阅读）
occupation_stats['male_ratio'] = (occupation_stats['male_people'] / occupation_stats['total_people']).round(2)

# 3. 按男性占比从高到低排序
sorted_result = occupation_stats.sort_values(by='male_ratio', ascending=False)

# 查看最终结果
print(sorted_result)

方法二：Pivot_table 简洁写法 #

如果习惯更紧凑的代码，用透视表可以一步完成性别分布统计：

import pandas as pd

# 1. 生成各职业的性别分布透视表
gender_pivot = pd.pivot_table(
    df,
    index='occupation',
    columns='gender',
    aggfunc='size',  # 统计数量
    fill_value=0  # 把空值填充为0
)

# 2. 计算男性占比
gender_pivot['male_ratio'] = (gender_pivot['M'] / (gender_pivot['M'] + gender_pivot['F'])).round(2)

# 3. 按占比降序排序
sorted_pivot = gender_pivot.sort_values(by='male_ratio', ascending=False)

print(sorted_pivot)

小提示 #

• 如果你的性别列是其他取值（比如1代表男，0代表女），只需把代码里的x == 'M'改成x == 1即可
• 要是想把占比转成百分比格式（比如85%），可以用：occupation_stats['male_ratio'] = (occupation_stats['male_ratio'] * 100).astype(str) + '%'

内容的提问来源于stack exchange，提问作者subodh agrawal