如何用Pandas统计DataFrame中课程的修读情况及时效占比？

我来帮你搞定这个Pandas统计需求！先确认下我们的输入数据生成代码：

import pandas as pd

df = pd.DataFrame({
    'Trainee': ['Ava','Bob','Charlie','David','Emily','Finn'],
    'Course':['ABC','ABC','DEF','DEF','DEF','GHI'],
    'Completed': ['Yes','Yes','No','Yes','Yes','Yes'],
    'Days overdue':[0,1,10,0,0,0]
})

接下来我们可以通过分组聚合+自定义计算的方式快速得到目标结果，具体代码如下：

# 按课程分组，计算核心统计指标
result = df.groupby('Course').agg(
    count=('Trainee', 'size'),  # 统计每门课程的总修读人数
    in_time=('Days overdue', lambda x: (x == 0).sum())  # 统计逾期天数为0的按时完成人数
).assign(
    # 新增按时完成百分比列，保留两位小数
    **{'% completed in time': lambda x: (x['in_time'] / x['count']).round(2)}
).reset_index()  # 将分组索引转为普通列，匹配预期结果结构

print(result)

代码细节解释： #

• groupby('Course')：以课程为维度分组，这是所有统计的基础。
• agg()方法：一次性定义多个聚合规则，清晰直观：
  • count=('Trainee', 'size')：用size直接获取分组的行数，也就是每门课的总修读人数。
  • in_time=('Days overdue', lambda x: (x == 0).sum())：先筛选出逾期天数为0的记录，再求和得到按时完成的人数。
• assign()方法：用来新增百分比列，用**处理带特殊字符的列名，避免语法报错。
• reset_index()：把原本作为索引的课程名称转为普通列，让结果结构和你预期的完全一致。

运行代码后，输出结果和预期完全匹配：

Course  count  in_time  % completed in time
0    ABC      2        1                  0.50
1    DEF      3        2                  0.67
2    GHI      1        1                  1.00

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