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 Nagpur 0 3412. 0.0 33.33 66.67 0.0 1 5516. 0.0 100.00 0.0 0.0 2 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 33.33
5516. Kolkata 100.00
7658. Chennai 50.00
Nagpur 50.00
Name: 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”。
