Pandas 中如何在透视表中计算各分类占列总和的百分比-Python教程-PHP中文网

本文介绍使用 pandas 的 pd.crosstab 配合 normalize='columns' 快速生成按城市-月份分组的 Visa 销售额占比表，避免手动计算分母，实现类似 DAX 中“% of Column Total”的效果。

本文介绍使用 pandas 的 `pd.crosstab` 配合 `normalize='columns'` 快速生成按城市-月份分组的 visa 销售额占比表，避免手动计算分母，实现类似 dax 中“% of column total”的效果。

在数据分析中，常需将原始交易数据转换为“某维度（如支付方式）在另一组交叉维度（如城市 × 月份）中的占比”。与 Excel 或 Power BI 中通过 DAX 创建动态度量不同，pandas 需借助结构化聚合与归一化机制实现同等效果。核心在于：占比必须基于每个（City, Month）组合下的全部支付金额（Visa + MasterCard）作为分母，而非全局或行/列总和。

以下为完整、可复现的解决方案：

import pandas as pd

# 构造示例数据
data = {
    'Month': ['Jan', 'Jan', 'Jan', 'Jan', 'Feb', 'Feb', 'Feb', 'Feb', 'Feb'],
    'City': ['Paris', 'Paris', 'London', 'London', 'Paris', 'Paris', 'London', 'London', 'Paris'],
    'Card': ['Visa', 'MasterCard', 'Visa', 'MasterCard', 'Visa', 'MasterCard', 'Visa', 'MasterCard', 'Visa'],
    ' Amount ': [' $101 ', ' $567 ', ' $447 ', ' $446 ', ' $926 ', ' $652 ', ' $114 ', ' $88 ', ' $408 ']
}
df = pd.DataFrame(data)

# 步骤 1：清洗金额列（去除空格与美元符号，转为整数）
df[' Amount '] = df[' Amount '].str.strip().str.replace(r'[$\s]', '', regex=True).astype(int)

# 步骤 2：使用 crosstab 构建多级列透视表，并按列归一化（即每列独立除以其列和）
ct = pd.crosstab(
    index=df['Card'],
    columns=[df['City'], df['Month']],
    values=df[' Amount '],
    aggfunc='sum',
    normalize='columns'  # ✅ 关键：对每个 (City, Month) 组合内的 Card 值归一化
)

# 步骤 3：重塑结构——将 City 提升为行索引，筛选 Visa 行，按指定月份排序
result = (
    ct.stack(level='City', future_stack=True)  # 将 City 列级转为行索引
    .loc['Visa', ['Jan', 'Feb']]               # 只取 Visa 行，并固定列顺序
    .mul(100)                                  # 转换为百分比
    .round(2)                                  # 可选：保留两位小数提升可读性
)

print(result)

输出结果：

Month         Jan     Feb
City                     
London     50.06   56.44
Paris      15.12   67.17

? 关键原理说明：normalize='columns' 并非对整个 DataFrame 的列求和，而是对 crosstab 输出中每个最细粒度列（即每个 (City, Month) 元组）单独归一化。例如，('London', 'Feb') 列下 Visa=114、MasterCard=88，其列和为 202 → Visa 占比 = 114 / 202 ≈ 56.44%。这正是业务所需的“Visa 占当月该城市总销售额的比例”。

注意事项：

若原始数据含缺失值或非数值金额，务必在 astype(int) 前做健壮清洗（如 pd.to_numeric(..., errors='coerce')）；
stack(level='City') 要求列索引为 MultiIndex，且 'City' 必须是其一级名称（可通过 ct.columns.names 确认）；
future_stack=True 是 pandas 2.1+ 推荐参数，兼容未来版本行为；旧版本可省略；
如需扩展至更多卡类型（如 Amex），无需修改逻辑，crosstab 会自动处理所有唯一值。

此方法简洁、向量化、语义清晰，是 pandas 中替代 DAX “% of Column Total” 度量的标准实践。