如何在Pandas DataFrame中按分组计算Count的同比（YoY）变化率？

嘿，这问题我熟！咱们一步步来搞定这个2018年相对2017年的百分比变化计算，保证你能直接复用代码～

第一步：先构建示例DataFrame #

首先咱们把你给的示例数据转换成Pandas DataFrame，这样你可以直接运行验证：

import pandas as pd

# 你的示例数据
data_rows = [
    [131, 1, 'dir', 'mob', 2017],
    [244, 1, 'dir', 'mob', 2018],
    [311, 1, 'org', 'mob', 2017],
    [332, 1, 'org', 'mob', 2018],
    [212, 2, 'dir', 'dsk', 2017],
    [311, 2, 'dir', 'dsk', 2018],
    [401, 2, 'org', 'mob', 2017],
    [283, 2, 'org', 'mob', 2018]
]

# 创建DataFrame并指定列名
df = pd.DataFrame(data_rows, columns=['count', 'w', 'c', 'd', 'y'])

第二步：计算分组后的百分比变化 #

这里给你两种常用方法，按需选择：

方法一：用pivot_table快速转置年份（最简洁） #

这种方法把年份转成列，直观又好计算，适合你这种只有两年数据的场景：

# 按w、c、d分组，把年份转成列，值为count
pivot_df = df.pivot_table(
    index=['w', 'c', 'd'],
    columns='y',
    values='count'
).reset_index()

# 计算百分比变化：((2018值 - 2017值)/2017值)*100
pivot_df['pct_change_2018_vs_2017'] = ((pivot_df[2018] - pivot_df[2017]) / pivot_df[2017]) * 100

# 如果你担心有些分组缺年份数据，可以过滤掉含NaN的行
pivot_df = pivot_df.dropna(subset=[2017, 2018])

运行后你会得到这样的结果：

方法二：用groupby结合自定义逻辑（更灵活） #

如果以后你的数据有更多年份，或者需要更复杂的分组逻辑，这种方法扩展性更强：

# 先按分组和年份排序，确保每个分组内年份是有序的
df_sorted = df.sort_values(by=['w', 'c', 'd', 'y'])

# 分组后计算每个组的两年数据和变化率
result_df = df_sorted.groupby(['w', 'c', 'd']).apply(
    lambda group: pd.Series({
        '2017_count': group[group['y'] == 2017]['count'].iloc[0],
        '2018_count': group[group['y'] == 2018]['count'].iloc[0],
        'pct_change': ((group[group['y'] == 2018]['count'].iloc[0] - group[group['y'] == 2017]['count'].iloc[0]) / group[group['y'] == 2017]['count'].iloc[0]) * 100
    })
).reset_index()

这个方法和上面的结果完全一致，只是实现方式更灵活。

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