本文介绍如何使用 Pandas 的 groupby 配合布尔转换与 mean() 快速计算分组内的比例指标（例如失败率），无需中间变量或显式循环，一行代码即可实现类似 SQL 中 COUNT(CASE WHEN ... THEN 1 ELSE 0) / COUNT(*) 的逻辑。
本文介绍如何使用 pandas 的 `groupby` 配合布尔转换与 `mean()` 快速计算分组内的比例指标（例如失败率），无需中间变量或显式循环，一行代码即可实现类似 sql 中 `count(case when ... then 1 else 0) / count(*)` 的逻辑。
在数据分析中，常需按多个维度（如时间戳 ts 和租户 tenant）统计某事件的发生比例——最典型的是「失败率」：即 result == 'fail' 的记录数占该分组总记录数的比例。Pandas 提供了一种简洁、高效且向量化的方法，避免了手动遍历分组或构建冗余中间列。
核心思路是：将布尔条件结果（True/False）视作 1/0，对其直接调用 mean() 即可得到比例值。因为 mean() 在数值序列中等价于 sum() / count()，而布尔型 Series 在算术运算中会自动转换为 0（False）和 1（True）。
✅ 推荐写法（清晰、链式、高效）：
out = (df['result'].eq('fail')
.groupby([df['ts'], df['tenant']])
.mean()
.reset_index(name='fail_ratio'))
? 关键步骤解析：
-
df['result'].eq('fail')：生成布尔 Series，True表示该行result为'fail'； -
.groupby([df['ts'], df['tenant']])：按ts和tenant两列联合分组； -
.mean()：对每组内布尔值求均值 → 即True的占比； -
.reset_index(name='fail_ratio')：将结果转为标准 DataFrame，并重命名聚合列为fail_ratio。
? 替代写法（更显式，适合复杂场景）：
out = (df.assign(fail_ratio=df['result'] == 'fail')
.groupby(['ts', 'tenant'], as_index=False)['fail_ratio']
.mean())
此方式先通过 assign() 添加临时列 fail_ratio（布尔型），再分组聚合，语义更直观，也便于后续扩展（如同时计算 pass_ratio 或添加过滤条件）。
⚠️ 注意事项：
- 确保
result列无缺失值（NaN），否则eq('fail')会产生False，影响统计准确性；如有空值，建议先用dropna(subset=['result'])或明确处理逻辑（如fillna('unknown')）； - 若需保留更多小数位，可在最后链式调用
.round(3)，例如.mean().round(3)； - 此方法天然支持任意二元比例计算（如
'success'比例、'error'占比等），只需调整布尔条件即可。
? 应用延伸：
得到 fail_ratio 后，可直接用于时序可视化，例如：
import matplotlib.pyplot as plt
out.pivot(index='ts', columns='tenant', values='fail_ratio').plot(kind='line', marker='o')
plt.ylabel('Fail Ratio')
plt.title('Fail Ratio by Tenant Over Time')
plt.grid(True)
plt.show()
这将生成清晰的多租户失败率趋势图，支撑运维监控与根因分析。
总之，利用布尔向量化 + groupby.mean() 是 Pandas 中计算分组比例的最优实践——简洁、高效、可读性强，完全替代低效的手动循环或 SQL 风格多步聚合。
