Pandas动态累计百分比计算方法

在IT行业这个发展更新速度很快的行业，只有不停止的学习，才不会被行业所淘汰。如果你是文章学习者，那么本文《Pandas 按组计算动态累计百分比方法》就很适合你！本篇内容主要包括##content_title##，希望对大家的知识积累有所帮助，助力实战开发！

本文介绍一种高效、可扩展的方法，利用预定义百分比序列与分组索引技巧，在 Pandas DataFrame 中为每组连续的 `TARGET=1` 行动态生成从起始值到 100 的等距累计百分比，并自动将 `TARGET=0` 行设为 0。

在实际数据分析中，常需对二值标签（如 TARGET 列）中连续的正样本（1）进行归一化编号或进度映射。核心挑战在于：无论连续 1 的实际长度是 3、4 还是 6，最终都要“拉伸”至以 100 结尾的等比例序列——即不是固定步长 100/6 ≈ 16.67，而是根据当前连续段长度 n 动态采用步长 100/n，并取整后保证末项为 100。

例如，若某组 ID 下有 4 个连续 1，则应生成 [50, 66, 83, 100]（对应 100/4 × [1,2,3,4] 取整），而非 [16, 33, 50, 66]（错误地沿用 100/6 步长）。

✅ 正确实现方案

关键思路是：先识别每一段连续 1（按 ID 分组 + 检测 TARGET 变化），再对每段独立计算其专属的百分比序列。以下是完整、健壮的实现：

import pandas as pd
import numpy as np

# 示例数据（含多 ID 和变长连续 1）
df = pd.DataFrame({
    'ID': ['A','A','A','A','A','A','A','B','B','B','B'],
    'TARGET': [1,1,1,1,0,0,0,1,1,1,0]
})

# 1. 定义最大可能长度（仅用于预分配，非硬约束）
MAX_ONES = 6
# 预生成完整参考序列：[16, 33, 50, 66, 83, 100]
PCTS_FULL = [int(round(100 * i / MAX_ONES)) for i in range(1, MAX_ONES + 1)]

# 2. 标记连续 1 的区块（关键！避免跨零混淆）
# 使用 (ID, TARGET) 分组不够鲁棒；改用基于 TARGET 变化的块标识
df['block_id'] = (df['TARGET'] == 0).cumsum()  # 每次出现 0 就开启新块
df['is_one_block'] = df['TARGET'] == 1
# 仅对 TARGET==1 的行进行处理，其余 PERCENTAGE 默认为 0

# 3. 对每个连续 1 块独立计算动态百分比
def assign_dynamic_pct(group):
    n = len(group)  # 当前连续 1 的数量
    if n == 0:
        return pd.Series([], dtype='int')
    # 动态生成 n 项：100/n * [1, 2, ..., n] → 四舍五入取整，确保末项=100
    pct_vals = [int(round(100 * i / n)) for i in range(1, n + 1)]
    return pd.Series(pct_vals)

# 应用分块处理（注意：groupby 必须基于 block_id 且仅限 is_one_block=True）
mask_ones = df['is_one_block']
df.loc[mask_ones, 'PERCENTAGE'] = (
    df[mask_ones].groupby('block_id').apply(assign_dynamic_pct).explode().astype(int).values
)
# 未匹配的行（TARGET==0）自动保持 NaN，显式置 0
df['PERCENTAGE'] = df['PERCENTAGE'].fillna(0).astype(int)

print(df[['ID', 'TARGET', 'PERCENTAGE']])

输出示例：

   ID  TARGET  PERCENTAGE
0   A       1          50
1   A       1          66
2   A       1          83
3   A       1         100
4   A       0           0
5   A       0           0
6   A       0           0
7   B       1          33
8   B       1          66
9   B       1         100
10  B       0           0

⚠️ 注意事项与优化建议

• 不要依赖 groupby(['ID', 'TARGET'])：该方式会把所有 ID=A & TARGET=1 合并为一组，无法区分被 0 隔开的多个连续段（如 1,1,0,1,1 会被误认为 4 个连续 1）。
• 使用 cumsum() 标记块更可靠：(df['TARGET']==0).cumsum() 在每次遇到 0 时递增，自然将每个 1 的连续段划分为独立 block_id。
• 取整策略：round() 比 int() 更合理，避免因截断导致末项 <100；若严格要求整数且末项必须为 100，可在最后强制 pct_vals[-1] = 100。
• 性能提示：对超大数据集，可向量化 assign_dynamic_pct（如用 np.arange + 广播），但上述方法已兼顾可读性与实用性。

该方案完全满足需求：任意长度的连续 1 序列，均能生成以 100 结尾、等比例分布的整数百分比列，且 0 值行始终为 0。

好了，本文到此结束，带大家了解了《Pandas动态累计百分比计算方法》，希望本文对你有所帮助！关注golang学习网公众号，给大家分享更多文章知识！