查找百分比的更有效方法

问：

从使用 groupby 后的数据帧中想要识别成功/不成功 率。由于我对 Python 和 pandas 的了解有限，虽然我做到了，但看起来效率低下且笨拙。一定有一些更简单有效的方法。任何帮助将不胜感激。

BldgID  BldHt   Device  Date      Time     Result
1213    35      758     20181120  105550   OK
1213    35      758     20181120  105540   NG
1112    40      780     20181120  003102   OK
1117    26      790     20181120  002557   OK
1111    65      780     20181120  002102   NG
1214    80      758     20181120  001600   OK
2902    34      780     20181119  005410   OK
1232    90      780     20181119  001410   OK
1222    75      760     20181119  010552   OK
1214    80      758     20181119  010052   OK
1214    80      758     20181119  005553   NG
1246    16      790     20181119  004556   OK
1128    15      758     20181119  004552   OK
1128    15      758     20181119  004552   OK
1211    30      790     20181119  003557   NG
1211    30      790     20181119  003558   OK

下面是数据帧 （csv）。首先，我想将 [BldgID， BldHt， Device] 并找到它们占结果的百分比，即 OK/OK+NG。我做了什么 是，将“OK”更改为“1”，将“NG”更改为“0”。将所有“OK”求和。要查找 总数 （OK+NG），我在更改其值 （1 & 0） 并计算总数量。否则，它不计算 NGThen 将它们除以找到“OK”的百分比。

df = pd.read_csv("data.csv")
df1 = df.groupby(['BldgID','Device'])['Result'].agg('sum').reset_index()
df1 = df.replace({'OK':1, 'NG': 0})
df1 = df1.groupby(['BldgID','Device'])['Result'].agg('sum').reset_index()
df1['NumOKs'] = df1['Result']

# used the original df i.e. change OK=1, NG=0, to count the total num of
# OK+NG
df2 = df.groupby(['BldgID','Device']) 
         ['Result'].agg('count').reset_index()

df2['sum'] = mel_df2['Result']
df2.drop(['Result'], axis=1, inplace=True)

df3 = pd.concat([df1['NumOKs'], df2['sum']], axis=1, keys= 
['NumOKs','sum'])

df3.head(10)
# sum represents OK+NG
       NumOKs     sum
 0       2        2
 1       6        6
 2       2        2
 3       2        2
 4       2        2
 5       3        4
 6       3        3
 7       3        3
 8       2        3
 9       3        3

我得到了我想要的，但它看起来非常丑陋且效率低下。但是用我的 知识有限，我必须快速找到一些东西，它有效。想要 以更好、更简单的方式实现这一目标。 注意：结果可能无法完全再现，因为我剪切粘贴了一个小 代码和结果的一部分，以解释我想要什么以及我是如何（糟糕地）做到的。