Pandas中for循环统计的持仓行业数据转独立DataFrame的Pythonic实现

核心思路 #

完全不需要手搓循环或者提前构造字典，直接用pandas原生的分组聚合能力实现：

• 自动遍历所有出现过的行业/子行业，无需硬编码任何具体分类值
• 直接输出结构化的DataFrame，替代零散的print输出
• 一次性实现需要的两层占比统计（子行业占全组合、子行业占所属母行业）

分步实现代码 #

1. 先计算全组合总市值 #

替代原代码中的total变量，一行搞定：

total = sectors_df['Current Value'].sum()

2. 生成母行业维度的统计DataFrame #

和原代码第一个循环的计算逻辑完全等价，但输出是结构化表格：

# 按行业分组求总市值
sector_stats = sectors_df.groupby('Sector', as_index=False)['Current Value'].sum()
# 重命名列方便后续识别
sector_stats = sector_stats.rename(columns={
    'Current Value': 'sector_total_value'
})
# 计算行业占全组合的比例，保留2位小数
sector_stats['pct_of_total_portfolio'] = round(
    sector_stats['sector_total_value'] / total * 100, 2
)

生成的sector_stats中每一行，就对应原循环打印的x, value_in_sect, pct_in_sect三个值。

3. 生成子行业维度的统计DataFrame（包含需要的「子行业占母行业比例」） #

这部分是原代码未实现的功能，同样用分组聚合实现：

# 按「母行业+子行业」双维度分组，求每个子行业的总市值
subsector_stats = sectors_df.groupby(
    ['Sector', 'Sub Sector'], as_index=False
)['Current Value'].sum()
# 重命名字段
subsector_stats = subsector_stats.rename(columns={
    'Current Value': 'subsector_total_value'
})

# 关联对应母行业的总市值，用来计算子行业在母行业的占比
subsector_stats = subsector_stats.merge(
    sector_stats[['Sector', 'sector_total_value']],
    on='Sector',
    how='left'
)

# 一次性计算两个子行业层面的占比
# 占全组合的比例
subsector_stats['pct_of_total_portfolio'] = round(
    subsector_stats['subsector_total_value'] / total * 100, 2
)
# 占所属母行业的比例（核心新增需求）
subsector_stats['pct_of_parent_sector'] = round(
    subsector_stats['subsector_total_value'] / subsector_stats['sector_total_value'] * 100, 2
)

方案优势 #

• 零硬编码：不管后续持仓新增多少行业、子行业，代码完全不需要修改，自动覆盖所有分类值
• 效率更高：pandas的分组聚合是向量化操作，比原代码逐行过滤的循环速度快几十到上百倍，持仓量越大差距越明显
• 输出可复用：两个统计结果都是标准DataFrame，后续可以直接导出Excel、生成可视化图表、和其他持仓数据做关联分析，比零散的print结果好用太多
• 之前考虑的「构造字典再转DataFrame」的思路完全可行，但groupby+merge的写法是pandas的标准实践，不需要手动维护字典的键值对，出错概率更低

可选优化 #

如果持仓数据里存在空的行业/子行业值，可以在groupby前加一步数据清洗，自动过滤无效行：

sectors_df = sectors_df.dropna(subset=['Sector', 'Sub Sector'])

内容的提问来源于stack exchange，提问作者codian