pandas 多维度分布分析

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gr99123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

在数据分析中，最常见、最基础也最实用的分析之一就是 分布统计（Distribution Analysis）：

用户来自哪些地区？
不同性别占比怎样？
不同城市的活跃情况如何？
不同渠道的用户数是多少？

这些问题几乎在所有业务分析报告中都会出现。

pandas 提供了两种非常高效的方式用于分类统计：

value_counts() —— 对单列分类统计的最快捷方式
groupby.size() —— 多维度类别组合统计的常用方案

这一篇文章将通过一个“小型用户画像数据集”的案例，展示如何进行单维度与多维度分类统计。

数据与需求

我们有一份用户基础信息表，包含：

gender（性别）
city（城市）
channel（注册渠道）

示例数据如下：

import pandas as pd
from io import StringIO

data = StringIO("""
user_id,gender,city,channel
U001,Male,Beijing,App
U002,Female,Shanghai,Web
U003,Female,Guangzhou,App
U004,Male,Beijing,App
U005,Female,Beijing,Web
U006,Male,Shenzhen,App
U007,Female,Beijing,App
U008,Male,Guangzhou,Web
U009,Female,Shanghai,App
U010,Male,Shanghai,Web
""")

df = pd.read_csv(data)

我们希望从这份数据中得到：

性别分布（男女用户数量与比例）
城市用户数量排行
渠道用户分布情况
多维度组合统计：每个城市在不同渠道下的用户数量

最终展示用户分布画像，为后续运营与投放提供参考。

思路

使用 value_counts() 进行单字段统计：
- df['gender'].value_counts()
- df['city'].value_counts()
- df['channel'].value_counts()
使用 groupby.size() 进行多字段统计：
- df.groupby(['city','channel']).size()
统计结果转化为 DataFrame，美化输出。

参考代码

代码如下：

# 1. 性别分布
gender_dist = df['gender'].value_counts()

# 2. 城市分布
city_dist = df['city'].value_counts()

# 3. 渠道分布
channel_dist = df['channel'].value_counts()

# 4. 多维度分布统计：城市 × 渠道
city_channel_dist = (
    df.groupby(['city', 'channel'])
      .size()
      .reset_index(name='count')
)

print("=== 性别分布 ===")
print(gender_dist)

print("\n=== 城市分布 ===")
print(city_dist)

print("\n=== 渠道分布 ===")
print(channel_dist)

print("\n=== 城市 × 渠道 统计 ===")
print(city_channel_dist)

代码分析

① `value_counts()`

最适合于单个字段的快速统计，默认按数量从高到低排序。

常用于：

性别分布
渠道分布
商品分类统计
来源统计

例如：

df['city'].value_counts()

会输出城市用户数量排行。

② `groupby.size()`

用于多维度分类统计，等价于 SQL 中的：

GROUP BY city, channel COUNT(*)

例如：

df.groupby(['city','channel']).size()

得到每个城市在不同渠道下有多少用户。

配合 reset_index()：

.reset_index(name='count')

可以把结果变成整齐的 DataFrame。

实际输出示例说明（文本解释）

假设输出如下：

性别分布

Female    5
Male      5

说明男女各占 50%。

城市分布

Beijing      4
Shanghai     3
Guangzhou    2
Shenzhen     1

北京用户占比最高。

城市 × 渠道统计

       city channel  count
0    Beijing     App      2
1    Beijing     Web      2
2  Guangzhou     App      1
3  Guangzhou     Web      1
4   Shanghai     App      1
5   Shanghai     Web      2
6   Shenzhen     App      1

可立即看到：

北京：App 与 Web 各 50%
广州：App/Web 均衡
深圳：只有 App
上海：Web > App

非常有助于投放渠道优化。

应用场景

分类统计是业务分析中使用频率最高的内容，适用场景包括：

用户画像分析（性别、城市、渠道）
商品类目分布
订单状态分析（已支付 / 取消 / 退款）
内容平台内容类型占比
多维度交叉分析（用户 × 城市、用户 × 渠道）

value_counts 和 groupby.size 是每一个数据分析师必须掌握的基础技能。

（完）