Pandas：筛选仅单一类别含'a'的行并生成统计列

这里给你一套简洁高效的代码，完美实现你需要的行筛选、类别标注和占比计算需求：

import pandas as pd

# 1. 定义类别与原始数据
colors = ['green', 'red']
animals = ['cat', 'dog']

largedf = pd.DataFrame({
    'arow': ['row1', 'row2', 'row3', 'row4'],
    'green': ['a', 'b', 'b', 'a'],
    'red': ['a', 'b', 'b', 'a'],
    'cat': ['b', 'a', 'b', 'a'],
    'dog': ['b', 'a', 'b', 'a']
})

# 2. 计算每个类别下每行的'a'出现次数
largedf['colors_a_count'] = largedf[colors].eq('a').sum(axis=1)
largedf['animals_a_count'] = largedf[animals].eq('a').sum(axis=1)

# 3. 筛选符合条件的行：'a'仅存在于单个类别中
filter_mask = (
    (largedf['colors_a_count'] > 0) & (largedf['animals_a_count'] == 0) |
    (largedf['animals_a_count'] > 0) & (largedf['colors_a_count'] == 0)
)
shorterdf = largedf[filter_mask].copy()

# 4. 添加category标注列
shorterdf['category'] = shorterdf.apply(
    lambda row: 'colors' if row['colors_a_count'] > 0 else 'animals',
    axis=1
)

# 5. 添加percent占比列
def calc_percent(row):
    category_cols = colors if row['category'] == 'colors' else animals
    return row[f"{row['category']}_a_count"] / len(category_cols)

shorterdf['percent'] = shorterdf.apply(calc_percent, axis=1)

# 6. 清理辅助列并调整列顺序
shorterdf = shorterdf.drop(['colors_a_count', 'animals_a_count'], axis=1)
shorterdf = shorterdf[['arow', 'cat', 'dog', 'green', 'red', 'category', 'percent']]

# 查看结果
print(shorterdf)

运行后输出完全匹配你的期望：

arow cat dog green red  category  percent
0  row1   b   b      b   a    colors      0.5
1  row2   a   a      b   b  animals      1.0

• 计算类别内'a'次数：用eq('a')把每个单元格转换成布尔值，再按行求和，快速定位每行在对应类别里的'a'数量，为后续筛选打基础。
• 筛选条件设计：精准锁定「仅一个类别有'a'」的行——要么colors有a且animals无a，要么animals有a且colors无a，直接排除了全'b'（两个类别计数均为0）和全'a'（两个类别计数均>0）的无效行。
• 类别标注：通过简单的条件判断，根据哪个类别存在'a'来标记对应的category，逻辑清晰易懂。
• 占比计算：用该类别内'a'的数量除以类别总列数（比如colors有2列，row1的0.5就是1/2），完全贴合你对占比的定义。

内容的提问来源于stack exchange，提问作者Liquidity