Pandas分组聚合：基于多列自定义计算my_rate的技术问询

嘿，我来帮你搞定这个分组计算比率的需求！先把你的需求和数据理清楚：我们需要对my_year和my_month分组，计算每组中满足waiting_time ≤ 90且target = 1的记录数，除以该组总记录数得到my_rate。

先把你的原始数据用代码还原出来：

import pandas as pd

data = {
    'id': ['001', '002', '003', '004', '005', '006', '007', '008'],
    'my_year': [2018, 2018, 2018, 2018, 2018, 2018, 2018, 2018],
    'my_month': [1, 1, 1, 1, 2, 2, 3, 3],
    'waiting_time': [95, 3, 4, 40, 97, 3, 4, 40],
    'target': [1, 3, 0, 1, 1, 3, 0, 1]
}
df = pd.DataFrame(data)

下面给你两种高效的实现方式，按需选择：

方法一：groupby + agg（推荐，性能更优） #

这种方法利用布尔值的求和特性（True=1，False=0），不需要自定义函数，运行效率更高：

result = df.groupby(['my_year', 'my_month']).agg(
    my_rate=('waiting_time', lambda x: 
             ((x <= 90) & (df.loc[x.index, 'target'] == 1)).sum() / len(x))
).reset_index()

代码解释： #

• groupby(['my_year', 'my_month'])：按年份和月份对数据分组
• 匿名lambda函数里：
  • x代表每组的waiting_time列，x.index可以拿到该组的行索引
  • (x <= 90) & (df.loc[x.index, 'target'] == 1)：筛选同时满足两个条件的记录，返回布尔数组
  • .sum()：统计布尔数组中True的数量（即符合条件的记录数）
  • / len(x)：除以该组的总记录数得到比率
• reset_index()：把分组索引转为普通列，和你期望的输出格式一致

方法二：groupby + apply（更直观，适合复杂逻辑） #

如果后续需要扩展更复杂的分组计算逻辑，用自定义函数的方式会更清晰：

def calculate_group_rate(group):
    # 统计符合条件的记录数
    valid_records = group[(group['waiting_time'] <= 90) & (group['target'] == 1)]
    valid_count = len(valid_records)
    # 计算比率
    return valid_count / len(group)

result = df.groupby(['my_year', 'my_month']).apply(calculate_group_rate).reset_index(name='my_rate')

两种方法运行后都会得到你期望的输出：

my_year  my_month  my_rate
0     2018         1     0.25
1     2018         2     0.00
2     2018         3     0.50

小提示： #

如果需要控制小数位数，可以用round()方法调整，比如result['my_rate'] = result['my_rate'].round(2)，按需使用即可。

内容的提问来源于stack exchange，提问作者Edamame