如何计算Indicator列的出现占比并生成无多级索引的可绘图结果集

嘿，这事儿不难，我来带你一步步搞定这个需求——按照Date和Hour分组，算出每个分组里不同Indicator的出现占比，输出成无多级索引的规整表格。

第一步：准备数据和工具 #

首先我们得导入pandas，然后把你给的原始数据转换成DataFrame：

import pandas as pd

# 把原始数据转换成DataFrame
raw_data = {
    'Date': ['5/10/2018', '5/10/2018', '5/10/2018', '5/10/2018'],
    'Hour': [9, 9, 9, 9],
    'Indicator': ['F', 'F', 'F', 'NF']
}
df = pd.DataFrame(raw_data)

第二步：核心计算逻辑 #

这里用pandas的分组功能，结合值计数和百分比转换就能轻松搞定：

# 按Date+Hour分组，计算每个Indicator的占比并格式化
result_df = df.groupby(['Date', 'Hour'])['Indicator']\
              .value_counts(normalize=True)  # 计算分组内的占比比例
              .mul(100)  # 把比例转换成百分比数值
              .reset_index(name='%Indicator')  # 把多级索引拆成普通列，指定新列名

# 如果需要把百分比转成整数（去掉小数点），可以添加这一行
result_df['%Indicator'] = result_df['%Indicator'].astype(int)

简单拆解下逻辑：

• groupby(['Date', 'Hour'])：按日期和小时组合分组，确保我们只在同一时间维度内计算占比
• value_counts(normalize=True)：统计每个分组里不同Indicator的数量，并自动转换成占比
• mul(100)：把0.75这类小数比例转成75的百分比数值形式
• reset_index：这步是关键，它把分组后生成的多级索引拆成普通列，完美符合你要的无多级索引格式

第三步：查看最终结果 #

运行下面的代码就能得到你想要的结果：

print(result_df)

输出结果如下：

Date  Hour Indicator  %Indicator
0  5/10/2018     9         F           75
1  5/10/2018     9        NF           25

内容的提问来源于stack exchange，提问作者Suhas R