如何在Pandas中实现原表与聚合表的除法运算计算成交量占比？

有两种简洁的方式可以实现你的需求，以下是具体步骤：

方法一：使用groupby.transform一步完成（推荐） #

不需要单独生成聚合表，直接通过transform将分组后的总成交量广播到原DataFrame的对应行，然后计算占比：

# 计算每日每个交易所的总成交量，自动匹配到原表对应行
df['total_volume'] = df.groupby(['time', 'market'])['volume'].transform('sum')
# 计算成交量占比，保留两位小数并转为百分比
df['prod_vol'] = (df['volume'] / df['total_volume'] * 100).round(2)
# 若不需要中间列，可删除
# df.drop('total_volume', axis=1, inplace=True)

transform('sum')会针对time+market的每个分组计算总成交量，然后将该值填充到原分组的每一行，直接就能完成除法计算，比先聚合再合并更高效。

方法二：关联你已生成的聚合表 #

如果你想继续使用已生成的df_new，可以通过merge将其关联回原表：

# 重置聚合表的索引，将time、market转为普通列
df_new = df_new.reset_index()
# 重命名聚合后的volume列，避免和原表列名冲突
df_new.rename(columns={'volume': 'total_volume'}, inplace=True)
# 以time和market为关联键，将聚合表合并到原表
df = df.merge(df_new, on=['time', 'market'], how='left')
# 计算占比并格式化
df['prod_vol'] = (df['volume'] / df['total_volume'] * 100).round(2)

因为groupby后的结果默认将分组键设为索引，所以需要先reset_index()把它们转为普通列，才能和原表的对应列匹配关联。

验证结果后，你会得到和示例一致的prod_vol列，比如2022-07-01 Binance的btcusdt行，占比为18.75%，符合预期。

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