如何为Type 0数据生成mon_pct列：基于Type1月度总量计算占比

假设你使用Pandas处理这份数据，可按以下步骤完成需求：

1. 提取月份标识
   从Day列的YYYYMMDD格式中提取月份信息，可通过截取字符串前6位实现：

   import pandas as pd
   
   # 假设数据存储在df中
   df['Month'] = df['Day'].astype(str).str[:6]  # 生成如'202301'的月份标记
   

2. 计算各月Type1的Volume总和
   按月份分组，筛选Type=1的数据并求和：

   type1_month_sum = df[df['Type'] == 1].groupby('Month')['Volume'].sum().reset_index()
   type1_month_sum.rename(columns={'Volume': 'Type1_Month_Total'}, inplace=True)
   

3. 合并数据并计算mon_pct
   将月度总和合并回原数据，仅为Type=0的行计算百分比：

   df = df.merge(type1_month_sum, on='Month', how='left')
   df['mon_pct'] = df.apply(
       lambda row: (row['Volume'] / row['Type1_Month_Total']) * 100 if row['Type'] == 0 else None,
       axis=1
   )
   # 无需保留Month列时可删除
   df.drop('Month', axis=1, inplace=True)
   

更高效的简化写法 #

用transform方法跳过合并步骤，直接匹配对应月份的Type1总和：

df['Month'] = df['Day'].astype(str).str[:6]
# 为每行匹配对应月份的Type1总和
df['Type1_Month_Total'] = df.groupby('Month')['Volume'].transform(
    lambda x: x[df.loc[x.index, 'Type'] == 1].sum()
)
# 仅Type=0的行计算百分比，其余留空
df['mon_pct'] = df.where(df['Type'] == 0, None)['Volume'] / df['Type1_Month_Total'] * 100
# 清理临时列
df.drop(['Month', 'Type1_Month_Total'], axis=1, inplace=True)

内容的提问来源于stack exchange，提问作者John