Python 使用for循环生成数据帧

我已经生成了一个数据框（称为“部门”），用于存储我的经纪账户中的信息（部门/行业、子部门、公司名称、当前价值、成本基础等）

我希望避免为每个部门或子部门硬编码过滤器以查找特定数据。我通过以下代码实现了这一点（我知道，不是很pythonic，但我对编码是新手）：

我的打印报表生成了我想要的大部分信息，尽管我仍在研究如何为自己部门内的子部门的%进行编程。无论如何，我现在想把这些信息（value_in_sect，pct_in_sect，等等）放到它们自己的数据帧中。什么是最好的方式、最聪明的方式或最有吸引力的方式？我正在考虑一个字典，然后从字典中创建一个数据帧，但不确定。

具体来说，在

pandas

中创建数据帧是最好的方法。首先，我将解释这个过程将如何手动工作，然后我将展示pandas如何在一行中完成

手动拆分应用联合收割机 分裂 首先，将数据帧划分为相同扇区的组。这涉及到获取一个扇区列表并确定哪些行属于它（就像代码的前两行一样）。此代码在数据帧中运行，并构建一个字典，其中键作为扇区，以及与之对应的

扇区的行索引列表

sections_index={}
对于ix，扇区_df.ItErrors（）中的行：
如果第[‘扇区’]行不在扇区索引中：
扇区索引[第['扇区]]=[ix]行
其他：
扇区索引[第['扇区]]行。追加（ix）

申请
在本例中，对每组运行相同的函数，求当前值的和，并计算其百分比份额。也就是说，对于每个扇区，从数据帧中获取相应的行，并在代码的下一行中运行计算。我将把结果存储为一个字典字典：
{'Sector1'：{'value_in_sect'：1234.56，'pct_in_sect'：11.11}，'Sector2'：…}
，原因稍后将变得显而易见：

sector_total_value={}
总价值=扇区价值[“当前价值”]。总和（）
对于扇区，扇区索引中的行索引。\u index.items（）
扇区_df=扇区_df.loc[行_指数]
当前值=扇区值df[“当前值”].sum（）
扇区总值[扇区]={u扇区中的'value'：四舍五入（当前值，2），
“截面中的pct”：四舍五入（当前值/总值*100，2）
}

（有关舍入的注释，请参见脚注1）

结合
最后，将函数结果收集到一个新的数据帧中，其中索引是扇区
pandas
可以轻松地将此嵌套字典结构转换为数据帧：

sector\u total\u value\u df=pd.DataFrame.from\u dict（sector\u total\u value，orient='index'））

使用
groupby
pandas
使用
groupby
方法使此过程非常简单

分裂
groupby
方法通过一列或多列（甚至其他系列）将数据帧拆分为多个组：

grouped\u by\u sector=sectors\u df.groupby（'sector'））

按扇区分组
与我们之前构建的索引类似，但是可以更容易地操纵这些组，正如我们在下面的步骤中所看到的

申请
要计算每组中的总值，请选择要汇总的一列或多列，对要应用的函数使用
agg
或
aggregate
方法：

section_total_value=按_section['Current value']分组。agg（section中的值=sum）

结合
已经完成了！应用步骤已经创建了一个数据帧，其中索引是扇区（groupby列），sect

列中

value\u的值是
sum
操作的结果

我省略了章节

中的

pct\u部分，因为a）事后更容易完成：

section_total_value_df['pct_in_section']=四舍五入（section_total_value_df['value_in_section']/total_value*100,2）
扇区总值df[“扇区中的值”]=四舍五入（扇区总值df[“扇区中的值”]，2）

b）这超出了这个答案的范围

其中大部分可以在一行中轻松完成（包括百分比和四舍五入，请参见脚注2）：

section_total_value_df=sections_df.groupby（'section'）['Current value'].agg（sect中的值=sum）

对于子部门，还有一个额外的考虑因素，即分组应按部门和子部门进行，而不仅仅是子部门，这样，例如，公用事业/天然气和能源/天然气的行就不会合并

subsector_total_value_df=sections_df.groupby（['Sector'，'subsector']）['Current value'].agg（section中的值=sum）

这将生成一个数据帧，其中包含一个多索引，级别为“扇区”和“子扇区”，列为“分区中的值”。对于最后一个魔术，可以很容易地计算出扇区中的百分比：

subsector_total_value_df['pct_in_section']=round（subsector_total_value_df['value_in_section']/sector_total_value_df['value_in_section']*100,2）

这是因为“部门”指数水平在划分期间是匹配的

脚注1。这与您的代码略有不同，因为我选择使用未舍入的总值计算百分比，以最小化百分比中的错误。理想情况下，取整只在显示时进行

脚注2。此一行生成所需结果，包括百分比和舍入：

section_total_value_df=sections_df.groupby（'section'）['Current value'].agg(
第节中的值=λc：四舍五入（和（c），2），
pct_in_sect=lambda c:round（总和（c）/扇区_df[‘当前值’）。总和（）*100，2），
)
熊猫。pivot\u table
是你的朋友。您可以按扇区和子扇区进行分组
for x in set(sectors_df['Sector']):
    x_filt = sectors_df['Sector'] == x
    #value in sect takes the sum of all current values in a given sector
    value_in_sect = round(sectors_df.loc[x_filt]['Current Value'].sum(), 2)
    #pct in sect is the % of the sector in the over all portfolio (total equals the total value of all sectors) 
    pct_in_sect = round((value_in_sect/total)*100 , 2)
    print(x, value_in_sect, pct_in_sect)

for sub in set(sectors_df['Sub Sector']):
    sub_filt = sectors_df['Sub Sector'] == sub
    value_of_subs = round(sectors_df.loc[sub_filt]['Current Value'].sum(), 2)
    pct_of_subs = round((value_of_subs/total)*100, 2)
    print(sub, value_of_subs, pct_of_subs)