獲取等於100的百分比列表

Question

我有數據顯示一個國家持有ETF的權重。 問題在於數據源的權重差異較小。 例如，對於ETF VTI，所有百分比的總和（美國+加拿大）為1.026，這意味着總計約為102％。

當我繪制或顯示數據時，小的百分比差異是一個問題，當圖形顯示總計>或<然后是100％時，數據是一個外觀/視覺問題。

數據如下所示：

d = {'Name': [US, US, US, CA], 'Weight': [1, 1, 1.0197, 0.0009], 'ETF': [SPY, IVV, VTI, VTI]}
df = pd.DataFrame(data=d)
df
    Name   Weight     ETF
0     US     1        SPY
1     US     1        IVV
2     US     1.0197   VTI
3     CA     0.0009   VTI

我寫了一些代碼試圖在下面解決這個問題，但是我遇到了另一個問題。 我編寫的代碼着眼於實際總數與100％之間的差異，然后在列表中的所有值之間添加或減去該差異，如下所示。 問題是，當需要減去百分比時，我最終得到的是小值，但仍然是負值，這是不希望的。

def re_weight(df):

     etfs= df['ETF'].unique()

     for etf in etfs: 


         l = (df[df['ETF']==etf].shape)[0]
         total = float(df[df['ETF']==etf]['Weight'].sum())
         diff = 1-total 

         filler = diff/l

         df.loc[df['ETF']==etf, 'Weight'] = df[df['ETF']==etf]['Weight']+filler


     return df

countries = pd.read_csv('output\\countries.csv')

countries[['Weight','ETF']] = re_weight(countries[['Weight','ETF']])

這是上面代碼的輸出，現在所有內容都等於1，但是我在某些地方停留在負百分比值上。

df = pd.DataFrame(data=d)
df
    Name   Weight     ETF
0     US     1        SPY
1     US     1        IVV
2     US     1.0094   VTI
3     CA    -0.0094   VTI

如何設置百分比的格式，使它們始終總計為100％，並且沒有負值？

Answer 1

您可以在此處使用groupby.transform來獲取每行旁邊的“不正確”總和，然后除以該數量即可得到更正。 就像@ThierrLathuille在評論中建議的那樣：

print(df)
            Name  Weight  ETF
0  United States  1.0000  SPY
1  United States  1.0000  IVV
2  United States  1.0197  VTI
3         Canada  0.0009  VTI

應用上述邏輯

df['weight_recalc'] = df['Weight'] / df.groupby(['ETF']).Weight.transform('sum')
print(df)
            Name  Weight  ETF  weight_recalc
0  United States  1.0000  SPY       1.000000
1  United States  1.0000  IVV       1.000000
2  United States  1.0197  VTI       0.999118
3         Canada  0.0009  VTI       0.000882

顯示重新計算正確

print(df.groupby('ETF').weight_recalc.sum())
ETF
IVV    1.0
SPY    1.0
VTI    1.0
Name: weight_recalc, dtype: float64

Answer 2

您無需添加或減去某些內容，因為您可以通過此方法更改比例。

假設您有3個數據點：

US     40%
Canada 50%
Japan  30%

如您所見，總百分比為40 + 50 + 30 = 120％。

不同值之間的比例為：

US / Canada = 40/50 = 0.8
US / Japan = 40/30 = 1.33333
Canada / Japan = 50/30 = 1.66666

現在，我們得到120-100 = 20，並從每個數據點中減去它的1/3，我們將得到：

US    33.33333
Canada  43.33333
Japan 23.33333

現在的比例是：

US / Canada = 33.3333/43.33333 = 0.769
US / Japan = 33.3333/23.3333 = 1.428
Canada / Japan = 43.33333/23.33333 = 1.857

看到？ 蛋白質的變化是無法預測的。

因此，為了使其正確無誤，您只需要調整數據規模即可。

1）匯總所有值：

30 + 40 + 50 = 120

2）將100除以求和結果：100/120 = 0.83333333

3）將每個值乘以先前的結果（在這種情況下為0.8333333）：

在此示例中，我們將獲得：

US     33.33333
Canada 41.66666
Japan  25

您可以檢查，但我告訴您，在這種情況下，比例沒有變化，並且總和現在等於100（經過四舍五入）

用偽代碼（我對熊貓數學庫沒有太多經驗）：

s = sum(df['ETF'])
df['ETF'] = df['ETF'] * 100 / s