如何在Pandas中按州计算各行业公司的占比平均值

嘿，这个需求其实很好实现，咱们一步步来搞定它！你的DataFrame里每个公司对应一行，用1/0标记是否属于某行业，核心思路就是先统计每个州各行业的公司总数，再除以该州的总公司数量，最后转成百分比格式即可。

步骤1：构造示例数据（模拟你的数据集） #

首先咱们把你给的示例扩展一下，方便演示效果：

import pandas as pd

data = {
    'company_name': ['google', 'jimmy', 'microsoft', 'apple', 'bankofamerica', 'walmart'],
    'country_code': ['USA', 'GBR', 'USA', 'USA', 'USA', 'USA'],
    'state_code': ['CA', 'unknown', 'NY', 'CA', 'NY', 'CA'],
    'software': [1, 0, 1, 1, 0, 0],
    'finance': [0, 0, 0, 0, 1, 0],
    'commerce': [0, 1, 0, 0, 0, 1]
}

df = pd.DataFrame(data)

步骤2：计算每个州的各行业公司数量 #

按state_code分组，对各行业列求和，得到每个州里各行业的公司总数：

# 只选取行业相关的列进行分组求和
industry_counts = df.groupby('state_code')[['software', 'finance', 'commerce']].sum()

步骤3：计算每个州的总公司数量 #

同样按state_code分组，用size()获取每个州的公司总数：

total_companies = df.groupby('state_code').size()

步骤4：计算占比并转成百分比 #

把各行业的数量除以对应州的总公司数，再乘以100转成百分比，最后保留两位小数让结果更美观：

industry_percentages = (industry_counts.div(total_companies, axis=0) * 100).round(2)

最终结果 #

运行完上面的代码后，你会得到这样的结果：

software  finance  commerce
state_code                             
CA              66.67     0.00     33.33
NY              50.00    50.00      0.00
unknown          0.00     0.00    100.00

额外小技巧 #

• 如果想排除unknown这类无效的州，可以在计算前先过滤数据：

  df = df[df['state_code'] != 'unknown']
  

• 也可以把所有步骤合并成一行更简洁的代码：

  industry_percentages = df.groupby('state_code')[['software', 'finance', 'commerce']].sum() \
                          .div(df.groupby('state_code').size(), axis=0) \
                          .mul(100) \
                          .round(2)
  

内容的提问来源于stack exchange，提问作者user7057659