如何用Pandas计算分组求和后的相对百分比？

直接上可运行的代码方案，针对需求一步到位：

import pandas as pd

# 你的示例数据
df = pd.DataFrame({
    'Company': ['Company1', 'Company2', 'Company3', 'Company1', 'Company3'],
    'STC Watts': [10.10, 9.6, 13.3, 5.6, 10.12]
    # 其他列无需改动，保留原结构即可
})

# 第一步：计算整个数据集的STC Watts总数值
total_stc = df['STC Watts'].sum()

# 第二步：按Company分组求和，同时计算占比
# 分组求和后重置索引，把分组字段变回普通列
grouped_result = df.groupby('Company')['STC Watts'].sum().reset_index()
# 新增百分比列，保留两位小数提升可读性
grouped_result['STC Percentage (%)'] = (grouped_result['STC Watts'] / total_stc * 100).round(2)

# 输出结果
print(grouped_result)

运行后会得到如下结果：

Company  STC Watts  STC Percentage (%)
0  Company1       15.70                28.62
1  Company2        9.60                17.49
2  Company3       23.42                43.89

关键说明 #

• 全局总和total_stc必须在分组前计算，确保是整个数据集的总和，而非分组内的局部总和，这是常见的踩坑点。
• 使用reset_index()是为了把分组后的Company从索引变回普通列，方便后续新增百分比列的操作。
• 如果需要更精准的百分比，可以调整round()里的参数，比如保留4位小数就写round(4)。

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