分组值计算并应用至重复行：Pandas DataFrame两列计算的问题排查与实现

先看一下你的原始DataFrame结构：

接下来逐个解决你的两个新列需求：

1. 修复position_rewards_pct列的NaN问题 #

你的原代码问题在于没有按钱包（wallet）分组计算总奖励，而是直接用了整个DataFrame的position_rewards总和，这不仅逻辑不符合需求（你要的是仓位占对应钱包总奖励的比例），还可能因为Decimal类型的运算/广播问题导致NaN。

正确的实现步骤：

• 先按wallet分组，计算每个钱包的总奖励（用Decimal保证精度）
• 将分组后的总奖励合并回原DataFrame
• 计算每个仓位的奖励占比并转换为百分比

示例代码：

from decimal import Decimal

# 1. 按wallet分组计算总奖励（转为Decimal避免精度丢失）
wallet_total = df.groupby('wallet')['position_rewards'].apply(
    lambda x: sum(Decimal(str(val)) for val in x)
).reset_index(name='wallet_total_rewards')

# 2. 合并回原DataFrame
df = df.merge(wallet_total, on='wallet', how='left')

# 3. 计算仓位奖励占比，转为Decimal并保留两位小数
df['position_rewards_pct'] = (
    df.apply(
        lambda row: (Decimal(str(row['position_rewards'])) / row['wallet_total_rewards']) * 100,
        axis=1
    )
).round(2)

运行后，position_rewards_pct列的结果会是：

• 0x123的SUSHI_LP仓位：25.00%
• 0x123的ALCX仓位：75.00%
• 0xabc的GAMMA仓位：33.33%
• 0xabc的FXS仓位：66.67%

2. 创建token_sales_per_type列 #

根据需求，我们需要按wallet和position_type计算对应类型的已售token数量，核心逻辑是：该类型的奖励占钱包总奖励的比例 × 钱包的token_sales，并且同一position_type的行重复显示这个值，同时保证所有数值为Decimal类型。

实现步骤：

• 先按wallet和position_type分组，计算该类型的总奖励
• 结合之前的钱包总奖励，计算类型占比
• 乘以token_sales得到该类型的已售数量
• 合并回原DataFrame，确保同一类型的行重复显示结果

示例代码：

# 1. 按wallet和position_type分组，计算该类型的总奖励
type_total = df.groupby(['wallet', 'position_type'])['position_rewards'].apply(
    lambda x: sum(Decimal(str(val)) for val in x)
).reset_index(name='type_total_rewards')

# 2. 合并钱包总奖励和唯一的token_sales值
type_total = type_total.merge(wallet_total, on='wallet', how='left')
type_total = type_total.merge(df[['wallet', 'token_sales']].drop_duplicates(), on='wallet', how='left')

# 3. 计算该类型的已售数量（Decimal类型）
type_total['token_sales_per_type'] = (
    type_total['type_total_rewards'] / type_total['wallet_total_rewards']
) * type_total['token_sales'].apply(Decimal)

# 4. 合并回原DataFrame
df = df.merge(type_total[['wallet', 'position_type', 'token_sales_per_type']], 
              on=['wallet', 'position_type'], how='left')

运行后，token_sales_per_type列的结果会是：

• 0x123的SUSHI_LP仓位：125
• 0x123的ALCX仓位：375
• 0xabc的GAMMA仓位：250
• 0xabc的FXS仓位：500

额外注意事项 #

• 所有数值转换都用Decimal(str(val))，避免float类型的精度丢失问题
• 如果你的原始字段已经是Decimal类型，可以直接使用，无需二次转换
• 可以根据需求用.quantize(Decimal('0.00'))来精确控制小数位数

内容的提问来源于stack exchange，提问作者Luiz Scheuer