如何计算Pandas DataFrame列中各值的出现占比百分比

嘿，你已经迈出了第一步——拿到各gender的出现次数，接下来转成百分比其实超简单！这里给你几种实用的方案，按需选择：

方法1：基于groupby的计数转换 #

你已经用df.groupby('gender').size()得到了各分组的计数，只需要将这些计数除以总样本数再乘以100，就能得到百分比：

# 获取各gender的出现次数
gender_counts = df.groupby('gender').size()
# 计算百分比（保留两位小数可选）
gender_percentages = (gender_counts / len(df)) * 100
# 如果需要格式化带%符号
gender_percentages = gender_percentages.round(2).astype(str) + '%'

方法2：用value_counts一步到位 #

value_counts()是更简洁的方式，它自带normalize=True参数直接返回相对频率，省去手动计算总样本数的步骤：

# 默认降序排列，返回百分比
gender_percentages = df['gender'].value_counts(normalize=True) * 100
# 如果想保持gender的原始顺序（比如M、F、Other的顺序），加上sort=False
gender_percentages = df['gender'].value_counts(normalize=True, sort=False) * 100

方法3：生成带计数和百分比的DataFrame #

如果需要保留完整的表格格式（方便后续分析或展示），可以把计数和百分比整合到一个DataFrame里：

# 先获取计数并转成DataFrame
gender_stats = df.groupby('gender').size().reset_index(name='count')
# 添加百分比列
gender_stats['percentage'] = (gender_stats['count'] / len(df)) * 100
# 格式化百分比列（可选）
gender_stats['percentage'] = gender_stats['percentage'].round(2).astype(str) + '%'

这样不管是想要Series格式的占比，还是带明细的DataFrame，都能满足需求啦！

内容的提问来源于stack exchange，提问作者SANM2009