在问卷调查或用户研究中，成对选择题是一种常见的题型设计。它通常要求受访者在两个或多个选项中做出偏好选择，例如在功能A和功能B之间选择更看重的一个。这种题型能够有效强制用户表达倾向，从而获取更精确的偏好分布数据。
然而，当这些数据导出为CSV文件时，其结构往往呈现出宽表特征。每一对比较会占用独立的列，列名可能类似于对比1选项、对比2选项等。如果直接使用传统的按列统计方法，计算每列中各个选项出现的频次，就会割裂选项之间的配对关系。因为同一个选项可能出现在不同的配对列中，简单汇总无法反映特定配对场景下的真实偏好。
要正确统计分布，首先需要识别这种宽表结构的局限性。数据分析师必须转变思路，将数据从宽表转化为长表，也就是将多列的配对比较记录拆解为行记录，明确每一行代表一次具体的配对比较及其结果。只有这样，才能在保留配对上下文的前提下进行准确的频次和占比计算。
理解成对选择题的数据结构特征
成对选择题的核心在于配对关系。假设一份问卷包含三组对比：产品A对产品B，产品C对产品D，产品A对产品C。在原始CSV文件中，这些数据通常会被存储为三列，每一列记录了该组对比中被选中的选项名称。这种存储方式虽然对系统录入友好，但对后续的数据分析却极不友好。
如果直接对这三列分别调用统计函数，我们只能得到每个选项在特定列中的出现次数。但业务上我们往往需要知道：在所有涉及产品A的对比中，产品A的胜率是多少？产品A在面对不同对手时，其表现有何差异？要回答这些问题，按列统计的方式完全失效，因为它丢失了谁和谁在比较这一关键上下文信息。
因此，正确统计的第一步是重构数据结构。我们需要将原本分散在多列的对比结果，整合成标准的长格式数据框。在这个长格式中，每一行代表一次单次的选择行为，并附带该次行为的配对组别标识。这种结构化重塑是后续所有精准统计分析的基础。
利用 Pandas 重塑数据形态
为了将宽表数据重塑为易于分析的长表，Python的Pandas库提供了强大的工具。我们可以使用melt函数或者结合stack方法来实现数据维度的转换。重塑的核心目标是生成至少包含配对标识、选项A、选项B以及用户选择结果的长格式数据框。
在具体操作中，首先需要读取CSV文件，然后识别出所有包含成对选择题数据的列。通过遍历这些列或利用Pandas的高级重塑功能，将原本分散在不同列的配对信息集中到一列中，同时保留对应的用户选择结果。这个过程类似于将多列并排的数据拼接成一列，并为其打上来源配对的标签。
import pandas as pd
# 读取CSV文件
df = pd.read_csv('survey_data.csv')
# 假设成对选择题的列名为 pair_1, pair_2, pair_3
pair_cols = ['pair_1', 'pair_2', 'pair_3']
# 使用melt函数将宽表转化为长表
df_long = pd.melt(df, value_vars=pair_cols, var_name='pair_id', value_name='selected_option')
# 剔除空值记录
df_long = df_long.dropna(subset=['selected_option'])
print(df_long.head())
上述代码展示了如何快速完成基础重塑。但在实际业务中，列名可能包含配对双方的信息，例如功能A对比功能B。此时需要结合字符串处理函数，从pair_id中提取出参与比较的具体选项，以便后续进行更细粒度的交叉分析。通过这种结构化重塑，数据才真正具备了正确统计的基础。
精准计算选项分布与胜率
完成数据重塑后，接下来进入核心的统计计算阶段。此时我们需要利用Pandas的groupby方法，按照配对标识和用户选择结果进行分组聚合。通过统计每个配对场景下各个选项被选中的次数，可以得出基础的频次分布表。
仅有频次是不够的，通常还需要计算占比或胜率。对于每一个特定的配对组合，某个选项的胜率等于其被选中次数除以该配对组合的总回答次数。这一步骤能够消除不同配对组合样本量差异带来的影响，使得偏好分布结果更具可比性。我们可以通过自定义函数配合apply方法来实现这一计算逻辑。
# 按照配对标识和选择结果分组计数
stats = df_long.groupby(['pair_id', 'selected_option']).size().reset_index(name='count')
# 计算每个配对组合的总数
total_per_pair = stats.groupby('pair_id')['count'].transform('sum')
# 计算占比
stats['percentage'] = (stats['count'] / total_per_pair) * 100
# 格式化百分比输出
stats['percentage'] = stats['percentage'].round(2).astype(str) + '%'
print(stats)
通过上述代码，我们得到了包含频次和百分比的完整统计表。这种统计方式严格遵循了成对比较的逻辑，确保每一次选择都被归属到其对应的配对上下文中。无论是分析整体选项的偏好热度，还是深挖特定两个选项之间的胜负关系，这种基于长表的统计结果都能提供准确的数据支撑。
处理边缘情况与数据清洗
在处理真实世界的CSV数据时，往往会遇到各种数据质量问题，这些边缘情况如果不加以处理，会严重干扰统计结果的准确性。最常见的问题是缺失值和无效选项。有些用户可能跳过了某些成对选择题，导致CSV中对应字段为空，这在重塑阶段必须被正确过滤。
另一个需要警惕的陷阱是选项名称的不一致性。由于用户输入或系统导出的问题，同一个选项可能存在多种变体，例如带有前后空格、大小写不同，或者存在错别字。在进行统计前，必须对selected_option列进行数据清洗，使用strip方法去除空格，统一转换为小写或大写，必要时建立映射字典纠正异常值。
# 清洗选项名称：去除前后空格并统一转为小写 df_long['selected_option'] = df_long['selected_option'].str.strip().str.lower() # 定义合法的选项集合 valid_options = ['选项a', '选项b', '选项c'] # 过滤掉不在合法选项集合内的脏数据 df_clean = df_long[df_long['selected_option'].isin(valid_options)] # 重新进行统计计算 clean_stats = df_clean.groupby(['pair_id', 'selected_option']).size().reset_index(name='count') print(clean_stats)
此外，如果问卷设计中允许用户选择两者皆可或都不喜欢，这类中性选项在统计分布时也需要单独考量。不能简单地将它们与常规选项混在一起计算胜率，而应该将其作为独立维度进行展示，或者在计算偏好胜率时将其从基数中剔除。只有充分考虑到这些数据清洗和业务逻辑的细节，才能确保最终输出的成对选择题选项分布报告经得起推敲。
CSV统计Python数据分析成对选择题修改时间：2026-08-28 18:11:43