睡眠数据分析中分组后百分比计算错误问题求助

嗨，Paulo！我看了你遇到的问题，核心是你计算百分比时用了整个数据集的总计数作为分母，但实际上你需要的是每个Hours分组内的总计数来计算比例，这就导致百分比结果不符合预期啦。

先帮你梳理下问题所在：
你当前的代码里，total_count = reduced_df['Tired'].sum()是把所有分组的计数加起来得到整体总数，然后用这个数来计算每个(Hours, Enough)组合的占比——这算出来的是该组合在整个数据集中的占比，而不是你想要的「同一Hours下，Enough为Yes/No的占比」。

举个例子：如果某个Hours只有1个样本且Enough是Yes，那它在整体中的占比可能很小，但在该Hours组内的占比应该是100%，这就是你说的第一行应该是100%的原因。

接下来给你两种修正方案，你可以根据习惯选择：

方案一：基于你现有代码修改 #

只需要把分母从整体总数改成每个Hours分组的总数，用groupby.transform就能实现（它会保留原索引，让每个行对应到自己分组的总和）：

grouped_df = df.groupby(['Hours', 'Enough']).count().sort_values('Hours', ascending=False)
reduced_df = grouped_df[['Tired']]
# 替换原来的total_count和百分比计算
reduced_df['Tired_percentage'] = (reduced_df['Tired'] / reduced_df.groupby('Hours')['Tired'].transform('sum')) * 100
reduced_df

这样每个Hours分组内的Yes和No百分比加起来就是100%，完全符合你的需求。

方案二：更简洁的一步到位写法 #

用value_counts(normalize=True)直接在分组内计算比例，代码更简洁：

# 按Hours分组，对Enough列计算每组内的占比，转成百分比并命名列
result_df = df.groupby('Hours')['Enough'].value_counts(normalize=True) \
              .mul(100) \
              .rename('Tired_percentage') \
              .reset_index() \
              .sort_values('Hours', ascending=False)
result_df

这个方法直接利用pandas的内置功能，一步得到你想要的结果，不需要额外处理分组后的计数。

你可以试试这两种方法，应该就能得到正确的百分比啦！

备注：内容来源于stack exchange，提问作者Paulo Henrique