python按条件筛选数据并求样本占比

在Python中，使用pandas库进行条件筛选并计算样本占比非常直观。假设你有一个名为df的DataFrame，并想找出某个条件下的数据占比，你可以按照以下步骤操作：

1. 首先，选择需要筛选的列以及对应的条件。例如，如果你想要筛选某列（比如'column_name'）大于某个值（如5）的数据，可以这样做：

filtered_data = df[df['column_name'] > 5]

2. 接着，计算过滤后的数据占原始数据的比例。你可以使用`len()`函数获取行数，并除以整个DataFrame的行数：

sample_percentage = len(filtered_data) / len(df)

3. 把结果转换为百分比形式（如果需要四舍五入到小数点后两位，可以使用`round()`函数）：

percentage = round(sample_percentage * 100, 2)

现在`percentage`就是满足条件的样本占比。

完整的例子：

import pandas as pd

# 假设df是你的DataFrame
sample_percentage = (df[df['column_name'] > 5].shape[0] / df.shape[0]) * 100
percentage = round(sample_percentage, 2)

print(f"条件'column_name'>5的样本占比为：{percentage}%")