得到百分比列表等于100

Question

我有数据显示ETF在一个国家的重量。问题是数据源在权重方面存在微小差异。例如，对于ETF VTI，所有百分比（美国+加拿大）的总和为1.026，这意味着总数约为102％。

当我绘制或显示数据是一个美观/视觉问题时，当图表显示>或<然后100％的总数时，小百分比差异是一个问题

这就是数据的样子：

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

我写了一些代码，试图在下面解决这个问题，但我遇到了另一个问题。我编写的代码会查看实际总数与100％之间的差异，然后在列表中的所有值中添加或减去该差异，如下所示。问题在于，当需要减去百分比时，我最终会得到很小的但仍然是负值，这是不可取的。

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']])

这是上面代码的输出，现在一切都等于1，但是我被卡在某些负百分比值的地方。

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

如何格式化百分比，使它们总是达到100％并且没有负值？

Answer 1

您可以在这里使用groupby.transform获取每行旁边的“不正确”总和，然后除以该数量进行更正。像@ThierrLathuille在评论中所建议的那样：

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

应用上面解释的逻辑

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

显示recalc是正确的

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

Answer 2

您不需要添加或减去某些内容，因为您将通过此方法更改比例。

我们假设您有3个数据点：

US     40%
Canada 50%
Japan  30%

如您所见，总百分比为40 + 50 + 30 = 120％。

不同值之间的比例是：

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

现在，我们得到120 - 100 = 20，并从每个数据点中减去1/3，我们将得到：

US    33.33333
Canada  43.33333
Japan 23.33333

比例现在是：

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？ Proportins以不可预测的方式发生了变化。

因此，为了使它们保持正确，您必须只调整数据的比例。

1）总结所有值：

30+40+50 = 120

2）除以汇总结果100：100/120 = 0.83333333

3）将每个值乘以前一个结果（在这种情况下为0.8333333）：

在这个例子中，我们将得到：

US     33.33333
Canada 41.66666
Japan  25

你可以检查一下，但是我告诉你，在这种情况下，比例没有变化，而现在的summ等于100（有些舍入）

在伪代码中（我对pandas数学库没有太多经验）：

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