如何在 Pandas 中按组动态计算累计百分比并自动对齐至 100%

本文介绍一种高效方法：基于每组连续 `1` 的实际长度，动态分配等距递增的百分比值（如 4 个 `1` 则分配 `[50, 66, 83, 100]`），确保末位恒为 100%，并自动将 `target=0` 行置零。

在使用 P

andas 处理二值序列（如 TARGET 列）时，常需为连续的 1 段生成线性增长的百分比进度列（PERCENTAGE），且要求该序列严格以 100% 结尾——无论该段长度是否恰好为预设最大值（如 6）。常见误区是硬编码步长（如 100/6 ≈ 16.67），导致短序列无法抵达 100%；正确解法应根据每段实际长度动态缩放。

✅ 核心思路：按组截取、动态对齐

我们不预先固定步长，而是：

1. 定义全局最大长度 MAX_ONES = 6，预计算完整序列 PCTS = [16, 33, 50, 66, 83, 100]（即 int(100 * n / MAX_ONES)，n 从 1 到 6）；
2. 对每个 ID 分组内、TARGET==1 的连续块（注意：此处需先识别连续段，而非简单按 ID 和 TARGET 分组——原答案中 groupby(["ID", "TARGET"]) 仅适用于 TARGET 全局分段，但题目隐含“连续 1 序列”，故需更精确的连续段识别）；
3. 关键技巧：对每个连续 1 段，取 PCTS 的后 k 个元素（k 为该段长度），实现“右对齐至 100%”。

? 正确实现（支持连续段识别）

import pandas as pd
import numpy as np

# 示例数据
df = pd.DataFrame({
    'ID': ['A', 'A', 'A', 'A', 'A', 'A', 'A', 'A'],
    'TARGET': [1, 1, 1, 1, 0, 0, 0, 0]
})

# 步骤1：识别连续的1段（关键！）
df['block_id'] = (df['TARGET'] == 0).cumsum()  # TARGET=0 时递增，形成连续1段的唯一标识
df['is_one'] = df['TARGET'] == 1
# 过滤出所有1的位置，并标记其所属连续段
ones_df = df[df['is_one']].copy()
ones_df['segment'] = (ones_df['block_id'] != ones_df['block_id'].shift()).cumsum()

# 步骤2：预定义完整百分比序列（MAX_ONES=6）
MAX_ONES = 6
PCTS = [int((100 / MAX_ONES) * n) for n in range(1, MAX_ONES + 1)]  # [16,33,50,66,83,100]

# 步骤3：按连续段分组，为每段分配后缀序列
def assign_percentage(group):
    k = len(group)
    # 取PCTS后k个值（保证末位为100）
    values = PCTS[-k:] if k <= MAX_ONES else PCTS
    return pd.Series(values, index=group.index)

# 应用到ones_df
ones_df['PERCENTAGE'] = ones_df.groupby('segment').apply(assign_percentage).explode().astype(int)

# 步骤4：合并回原df，缺失处填0
df = df.merge(ones_df[['PERCENTAGE']], left_index=True, right_index=True, how='left')
df['PERCENTAGE'] = df['PERCENTAGE'].fillna(0).astype(int)

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

⚠️ 注意事项

• 连续段识别是关键：直接 groupby(['ID','TARGET']) 会错误合并非连续的 1（如 1,0,1 被视为同一组），必须用 (TARGET==0).cumsum() 或 diff().ne(0).cumsum() 提取物理连续块。
• 整数精度处理：int() 截断可能导致小数点后误差（如 100/6*3=50.0→50 合理，但 100/7*5≈71.4→71），若需四舍五入可用 round()。
• 超长序列处理：若某段 1 数量 > MAX_ONES（如 8 个），当前逻辑截取全部 PCTS（6 个值），剩余位置可扩展为 100 或报错，需按业务补充逻辑。

✅ 总结

该方案摆脱了固定步长的限制，通过预计算+后缀截取策略，确保任意长度的连续 1 序列都能生成以 100% 结尾的等差百分比列。结合连续段识别与向量化操作，兼具可读性与执行效率，是处理此类“动态归一化进度条”场景的推荐实践。