使用groupby和sum()分组后计算子类别对应类别的百分比

这个需求我之前做数据分析的时候经常碰到，用Pandas的分组和transform功能就能轻松搞定，不用折腾复杂的合并操作～

先看你的示例数据和初始代码，你已经能通过groupby(['key','data2'])['data1'].sum()得到每个子类别（比如A1、A2）的求和结果，接下来只需要计算这些子项在对应父类别（A、B、C）中的占比就行，核心思路是先算出每个父类别的总求和值，再让每个子项的求和值除以这个总数值。

给你两种实用的实现方式：

方法一：分步实现（清晰易懂，适合新手） #

1. 先计算每个(key, data2)组合的求和结果，并转成带列名的DataFrame：

import pandas as pd

df = pd.DataFrame({'key': ['A', 'B', 'C', 'A', 'B', 'C'], 'data1': range(6), 'data2': ['A1', 'B1', 'C1', 'A2', 'B2', 'C2']}, columns = ['key', 'data1', 'data2'])
sum_df = df.groupby(['key','data2'])['data1'].sum().reset_index(name='sum_data1')

2. 用transform计算每个父类别的总和，并直接算出占比：

sum_df['proportion'] = sum_df['sum_data1'] / sum_df.groupby('key')['sum_data1'].transform('sum')

这里的transform('sum')会自动把每个key的总求和值，广播到该key下的所有子项行，这样就能直接做除法得到占比了，完全不用手动去合并数据。

最终得到的结果如下：

key data2  sum_data1  proportion
0   A    A1          0    0.000000
1   A    A2          3    1.000000
2   B    B1          1    0.200000
3   B    B2          4    0.800000
4   C    C1          2    0.285714
5   C    C2          5    0.714286

方法二：链式调用（简洁高效，适合熟练用户） #

如果喜欢写紧凑的代码，可以利用多级索引的特性直接链式操作：

# 只得到占比列
proportion_series = df.groupby(['key','data2'])['data1'].sum() \
                      .groupby(level='key') \
                      .apply(lambda x: x / x.sum()) \
                      .rename('proportion')

# 如果要同时保留求和值和占比
result_df = df.groupby(['key','data2'])['data1'].sum().to_frame('sum_data1')
result_df['proportion'] = result_df.groupby(level='key')['sum_data1'].transform(lambda x: x/x.sum())

这里的groupby(level='key')是针对分组后得到的多级索引的第一级（也就是key）进行分组，省去了重置索引的步骤。

小提示 #

• transform是这里的核心：它和普通的agg不同，不会把数据聚合压缩，而是返回和原数据行数一致的结果，把分组聚合的值“映射”回每一行，这在计算占比、均值这类相对指标时特别好用。
• 如果需要保留多级索引，就不用调用reset_index，直接用level参数处理就行，效率更高。

内容的提问来源于stack exchange，提问作者SBad