我有数据显示一个国家持有的ETF的权重。问题是数据源的权重存在细微差异。例如，对于ETF VTI，所有百分比(美国+加拿大)的总和为1.026，这意味着总数约为102%。
当我绘制或显示数据时，小百分比差异是一个问题，当图表显示总计为> 或
数据如下所示：
d = {'Name': [US, US, US, CA], 'Weight': [1, 1, 1.0197, 0.0009], 'ETF': [SPY, IVV, VTI, VTI]}
df = pd.DataFrame(data=d)
df
Name Weight ETF
0 US 1 SPY
1 US 1 IVV
2 US 1.0197 VTI
3 CA 0.0009 VTI
我已经编写了一些代码来尝试在下面解决此问题，但我遇到了另一个问题。我编写的代码查看实际总数和 100% 之间的差异，然后在列表中的所有值之间添加或减去该差异，如下所示。问题是，当需要减去百分比时，我最终得到的小但仍然是负值，这是不可取的。
def re_weight(df):
etfs= df['ETF'].unique()
for etf in etfs:
l = (df[df['ETF']==etf].shape)[0]
total = float(df[df['ETF']==etf]['Weight'].sum())
diff = 1-total
filler = diff/l
df.loc[df['ETF']==etf, 'Weight'] = df[df['ETF']==etf]['Weight']+filler
return df
countries = pd.read_csv('output\countries.csv')
countries[['Weight','ETF']] = re_weight(countries[['Weight','ETF']])
这是上面代码的输出，现在一切都等于 1，但我被困在某些百分比值为负的地方。
df = pd.DataFrame(data=d)
df
Name Weight ETF
0 US 1 SPY
1 US 1 IVV
2 US 1.0094 VTI
3 CA -0.0094 VTI
如何格式化百分比，使其总计始终为 100%，并且没有负值？
您可以使用此处的groupby.transform来获取每行旁边的"不正确">总和，然后除以该金额进行更正。就像@ThierrLathuille在评论中建议的那样：
print(df)
Name Weight ETF
0 United States 1.0000 SPY
1 United States 1.0000 IVV
2 United States 1.0197 VTI
3 Canada 0.0009 VTI
应用上述逻辑
df['weight_recalc'] = df['Weight'] / df.groupby(['ETF']).Weight.transform('sum')
print(df)
Name Weight ETF weight_recalc
0 United States 1.0000 SPY 1.000000
1 United States 1.0000 IVV 1.000000
2 United States 1.0197 VTI 0.999118
3 Canada 0.0009 VTI 0.000882
显示重新计算正确
print(df.groupby('ETF').weight_recalc.sum())
ETF
IVV 1.0
SPY 1.0
VTI 1.0
Name: weight_recalc, dtype: float64
您不需要添加或减去某些内容，因为您将通过此方法更改比例。
假设您有 3 个数据点：
US 40%
Canada 50%
Japan 30%
如您所见，总百分比为 40+50+30 = 120%。
不同值之间的比例为：
US / Canada = 40/50 = 0.8
US / Japan = 40/30 = 1.33333
Canada / Japan = 50/30 = 1.66666
现在，我们得到 120 - 100 = 20，并从每个数据点中减去其中的 1/3，我们将得到：
US 33.33333
Canada 43.33333
Japan 23.33333
现在的比例是：
US / Canada = 33.3333/43.33333 = 0.769
US / Japan = 33.3333/23.3333 = 1.428
Canada / Japan = 43.33333/23.33333 = 1.857
看？蛋白以不可预测的方式发生了变化。
因此，为了保持它们的正确性，您必须对齐数据的规模。
1) 求和所有值：
30+40+50 = 120
2) 将 100 除以求和结果：100/120 = 0.83333333
3) 将每个值乘以之前的结果(在本例中为 0.8333333)：
在此示例中，我们将得到：
US 33.33333
Canada 41.66666
Japan 25
你可以检查，但我告诉你，在这种情况下比例没有改变，现在的总和等于 100(有一些四舍五入)
在伪代码中(我对熊猫数学库没有太多经验)：
s = sum(df['ETF'])
df['ETF'] = df['ETF'] * 100 / s