Question

我有数据显示某个国家/地区持有ETF的权重。问题在于数据源的权重差异较小。例如，对于ETF VTI，所有百分比的总和（美国+加拿大）为1.026，这意味着总计约为102％。

当我绘制或显示数据时，小的百分比差异是一个问题，当图形显示的总和是>或<然后是100％

时，这是一个外观/视觉问题。

这是数据的样子：

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

我写了一些代码试图在下面解决这个问题，但是我遇到了另一个问题。我编写的代码着眼于实际总数与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，我最终得到的值很小，但仍为负值，这是不希望的。

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，现在所有内容都等于1，但我在某些地方停留在负百分比值上。

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

我该如何格式化百分比，以使它们始终总计为100％，并且没有负值？

Answer 1

您可以在此处使用groupby.transform来获取每行旁边的“不正确” 总和，然后除以该数量即可得到更正。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

Answer 2

您不需要添加或减去某些东西，因为您可以通过此方法更改比例。

让我们想象一下，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，然后从每个数据点中减去它的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

看到了吗？蛋白质的变化是无法预测的。

因此，为了使其正确无误，您只需要调整数据规模即可。

1）对所有值求和：

30 + 40 + 50 = 120

2）将100除以求和结果：100/120 = 0.83333333

3）将每个值乘以先前的结果（在这种情况下为0.8333333）：

在此示例中，我们将获得：

US     33.33333
Canada 41.66666
Japan  25

您可以检查，但我告诉您，在这种情况下，比例没有变化，并且总和现在等于100（经过四舍五入）

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

获取等于100的百分比列表

2 个答案: