如何基于Pandas multi-index DataFrame计算日期维度类别计数与占比

嘿，我来帮你搞定这个统计需求！针对你描述的DataFrame结构，我们可以分几步来实现同一日期下各类别的计数和占比统计，最终生成你需要的表格。

步骤1：重置多重索引 #

首先，我们得把包含date和name的多重索引转换成普通列，这样后续操作起来更顺手：

# 将多重索引转为普通列
df_reset = df.reset_index()

步骤2：从name字段提取类别 #

观察你的数据格式，name字段的结构是[代码]-[类别]-[子类别/后缀]（比如A122630-stock-a），我们需要提取中间的类别部分。对于只有两个部分的name（比如A167860-bond），直接取第二个部分即可：

# 拆分name字段，提取类别（取短横线分隔后的第二个元素）
df_reset['category'] = df_reset['name'].str.split('-', expand=True)[1]

步骤3：统计各类别的计数 #

接下来按date和提取出的category分组，统计每个组合的记录数：

# 按日期和类别分组，计算计数
count_df = df_reset.groupby(['date', 'category']).size().reset_index(name='计数')

步骤4：计算占比 #

要得到占比，我们需要先算出每个日期的总记录数，再用类别计数除以总记录数，最后格式化为百分比：

# 计算每个日期的总记录数
total_count = df_reset.groupby('date').size().reset_index(name='总计数')

# 合并计数数据和总计数数据
result_df = count_df.merge(total_count, on='date')

# 计算占比并格式化为百分比（保留整数百分比）
result_df['占比'] = (result_df['计数'] / result_df['总计数']).apply(lambda x: f"{x:.0%}")

步骤5：整理最终表格 #

最后，我们只保留需要的列，并把category重命名为变量：

# 选择目标列并重命名
final_result = result_df[['date', 'category', '计数', '占比']].rename(columns={'category': '变量'})

最终效果 #

运行完上述代码后，final_result就是你需要的表格，针对你给出的示例数据，输出会是这样：

date        变量  计数   占比
0  20170331  raw-material    1  10%
1  20170331          stock    7  70%
2  20170331           bond    1  10%
3  20170331         curncy    1  10%

如果你的数据有特殊情况（比如name的分隔格式不一致），可以调整str.split的参数或者增加异常处理，但针对你给出的示例数据，上面的代码完全适用。

内容的提问来源于stack exchange，提问作者Hannah Lee