如何在Python Pandas中对多数据点的单元格值重算百分比至总和100%？

嘿，我懂你查了半天没找到简洁实现的困扰😆——其实这个需求用Pandas的分组和transform功能就能轻松搞定，咱们一步步拆解来做：

核心思路 #

你需要的是三个关键步骤：

• 计算每个产品-门店组合的加权得分（可用性 × 门店重要性）
• 按产品分组，计算每组的加权得分总和
• 将每个门店的加权得分除以组总和，再乘以100得到占比（保证每组总和为100%）

示例代码实现 #

先构造一个和你场景匹配的示例数据集，方便你对照理解：

import pandas as pd

# 模拟你的产品-门店数据
data = {
    '产品': ['A', 'A', 'A', 'A', 'B', 'B', 'B'],
    '门店': ['食品店', '药店', 'Target', 'Walmart', '食品店', '药店', 'Walmart'],
    '可用性': [1, 1, 0, 1, 1, 0, 1],  # 1表示可用，0表示不可用
    '门店重要性': [0.2, 0.3, 0.1, 0.4, 0.25, 0.35, 0.4]  # 0-1之间的权重值
}
df = pd.DataFrame(data)

第一步：计算加权得分 #

先给每一行计算可用性 × 门店重要性的结果：

df['加权得分'] = df['可用性'] * df['门店重要性']

第二步：按产品分组计算总和 #

用transform方法把每组的加权总分映射回原数据的每一行，这样后续可以直接计算占比：

df['产品加权总分'] = df.groupby('产品')['加权得分'].transform('sum')

第三步：归一化到100% #

最后计算每个门店的占比，同时处理可能的除以0情况（比如某个产品所有门店都不可用）：

# 计算百分比，并用fillna处理总分为0的情况
df['最终百分比'] = (df['加权得分'] / df['产品加权总分']) * 100
df['最终百分比'] = df['最终百分比'].fillna(0)

最终结果示例 #

运行完上面的代码后，你的数据框会变成这样（保留两位小数）：

可以看到每个产品的最终百分比列总和都是100%，完全符合你的需求～

内容的提问来源于stack exchange，提问作者LaurenH