本文介绍如何在 Pandas 中对 DataFrame 按多列（如 Date_M 和 Corporate）分组后，高效计算某分类列（如 Vehicle type）中指定类别（如 'truck'）所占的百分比，并将结果作为新列添加到聚合结果中。
本文介绍如何在 pandas 中对 dataframe 按多列（如 `date_m` 和 `corporate`）分组后，高效计算某分类列（如 `vehicle type`）中指定类别（如 `'truck'`）所占的百分比，并将结果作为新列添加到聚合结果中。
在数据分析中，常需在多级分组（multi-level grouping）基础上，进一步统计某一分类变量中特定类别的占比。例如，按月份（Date_M）和企业属性（Corporate）分组后，计算每组中“卡车”（truck）在全部车辆类型中的占比。这不同于简单计数或求和，关键在于：需在每个分组内独立计算比例，且需处理分组后索引对齐问题。
以下为完整实现步骤（基于您提供的数据结构）：
✅ 正确做法：使用 groupby().apply() 计算组内比例
import pandas as pd
import numpy as np
# 构建示例数据
data = {
"Date": ["2019-08-26 04:14:00", "2020-08-27 01:21:03", "2019-08-26 18:49:04",
"2020-08-31 16:57:02", "2020-08-23 14:48:02"],
"Cost": [23719, 17159, 3629, 50738, 48173],
"Corporate": [0, 0, 0, 1, 0],
"Vehicle type": ["automobile", "truck", "truck", "automobile", "truck"],
"Price": [25903, 24748, 11777, 51296, 56314],
"Insurance": [1, 1, 0, 0, 0],
"Date_M": ["2019-08", "2020-08", "2019-08", "2020-08", "2020-08"],
}
df = pd.DataFrame(data)
# 筛选无保险记录（按需）
df_no_insurance = df[df['Insurance'] == 0]
# 多列分组
df_group = df_no_insurance.groupby(['Date_M', 'Corporate'])
# 聚合基础指标
results = pd.DataFrame()
results['Number of cars'] = df_group['Date'].count()
results['Доходность'] = np.round(
(df_group['Price'].sum() - df_group['Cost'].sum()) / df_group['Price'].sum() * 100,
2
)
# ✅ 关键：计算每组中 'truck' 占比（保留两位小数）
results['Percentage of Trucks'] = df_group.apply(
lambda x: round(((x['Vehicle type'] == 'truck').sum() / len(x)) * 100, 2)
)执行后，results 输出如下（与您的数据规模一致）：
Number of cars Доходность Percentage of Trucks
Date_M Corporate
2019-08 0 1 69.19 100.00
2020-08 0 2 14.46 50.00
1 1 1.09 0.00? 说明：df_group.apply(...) 对每个分组子 DataFrame x 执行匿名函数；x['Vehicle type'] == 'truck' 返回布尔序列，.sum() 统计 True 个数（即 truck 数量），len(x) 为该组总行数，相除后 ×100 得百分比。
⚠️ 注意事项与最佳实践
- 避免 agg() 直接混用比例计算：agg() 不支持跨列逻辑（如基于 Vehicle type 计算比例），必须用 apply() 配合自定义函数。
-
空组安全处理：若某组无数据（len(x) == 0），会触发 ZeroDivisionError。生产环境建议增强鲁棒性：
results['Percentage of Trucks'] = df_group.apply( lambda x: round(((x['Vehicle type'] == 'truck').sum() / len(x)) * 100, 2) if len(x) > 0 else 0.0 ) -
扩展性提示：如需同时计算多个类别（如 'automobile', 'truck', 'van'）占比，推荐使用 value_counts(normalize=True)：
results['Truck %'] = df_group['Vehicle type'].apply( lambda x: x.value_counts(normalize=True).get('truck', 0) * 100 ).round(2)
✅ 总结
计算多级分组下某分类列的占比，核心是：在 groupby 对象上使用 apply()，并在其内部对每个子组独立执行布尔统计与归一化。该方法逻辑清晰、可读性强，且天然支持任意复杂条件（如嵌套判断、多列联合筛选），是 Pandas 高级聚合的典型范式。务必注意分母为零边界情况，并根据业务需求决定是否保留小数精度或填充缺失值。
