Pandas 中实现按公交线路分组的城市占比动态计算 - 百分比统计

本文介绍如何使用 pandas 对公交线路（bus_no.）与城市（city）的组合进行动态百分比统计，即计算每条线路在各城市出现次数占该线路总出现次数的百分比，并支持完整城市维度展示或仅显示非零结果。

本文介绍如何使用 pandas 对公交线路（bus_no.）与城市（city）的组合进行动态百分比统计，即计算每条线路在各城市出现次数占该线路总出现次数的百分比，并支持完整城市维度展示或仅显示非零结果。

在数据分析中，常需基于多维分组计算相对频率（如“某公交线路在各城市运营频次占比”）。本例中，目标是：对每个 Bus_no.，统计其在每个 City 的出现次数，并转换为占该线路总记录数的百分比。例如，3412. 共出现 3 次，其中 Kolkata 1 次、Mumbai 2 次 → 对应占比为 33.33% 和 66.67%。

✅ 推荐方案：pd.crosstab + 归一化（含全部城市）

当需要固定列结构（所有城市均作为列），即使某线路未出现在某城市也显示 0.0% 时，pd.crosstab 是最简洁高效的选择：

import pandas as pd# 构建示例数据df = pd.DataFrame({    'Bus_no.': ['3412.', '7658.', '3412.', '5516.', '7658.', '3412.'],    'City': ['Kolkata', 'Nagpur', 'Mumbai', 'Kolkata', 'Chennai', 'Mumbai']})# 动态计算每条线路在各城市的百分比（行归一化）result = (pd.crosstab(        index=df['Bus_no.'],        columns=df['City'],        normalize='index'  # 按行（即每个 Bus_no.）归一化    )    .mul(100)            # 转换为百分比    .round(2)            # 可选：保留两位小数    .reset_index()       # 将 Bus_no. 变为普通列    .rename_axis(columns=None)  # 清除列索引名称)print(result)

输出结果：

  Bus_no.  Chennai  Kolkata  Mumbai  Nagpur0   3412.      0.0    33.33   66.67     0.01   5516.      0.0   100.00     0.0     0.02   7658.     50.0     0.00     0.0    50.0

✅ 优势：自动覆盖全量城市（Chennai, Kolkata, Mumbai, Nagpur），结果为标准 DataFrame，便于后续导出或可视化。

⚙️ 替代方案：groupby().value_counts()（仅非零项）

若只需精简结果（跳过 0% 记录），且接受多级索引格式，可使用 groupby + value_counts：

percentages = df.groupby('Bus_no.')['City'].value_counts(normalize=True).mul(100).round(2)print(percentages)

输出：

Bus_no.  City   3412.    Mumbai      66.67         Kolkata     33.335516.    Kolkata    100.007658.    Chennai     50.00         Nagpur      50.00Name: proportion, dtype: float64

⚠️ 注意：此结果为 Series，索引为 MultiIndex；如需转为宽表，需额外调用 .unstack(fill_value=0)，但会丢失未出现城市的列（除非手动补全）。

? 关键注意事项

• 列名大小写敏感：示例中 City 值含大小写混用（如 "Kolkata" vs "kolkata"），实际使用前建议统一格式：df['City'] = df['City'].str.title() 或 .str.upper()。
• 缺失值处理：若原始数据含空值（NaN），crosstab 默认忽略；如需保留，可先填充：df['City'] = df['City'].fillna('Unknown')。
• 性能提示：对于百万级数据，crosstab 比多重 groupby 更高效；normalize='index' 底层基于向量化运算，无需显式循环。
• 扩展应用：该模式适用于任意“主键-类别”频次占比分析，如用户-产品购买占比、ID-状态分布等。

通过上述方法，你可灵活生成符合业务需求的动态百分比报表——既支持全维度矩阵展示，也支持紧凑型分组统计，真正实现“一次定义、动态计算”。