Python 更新数据帧的值

给出一些关于菜肴、餐厅位置和销售额的数据：

>>> import pandas
>>> df1 = pandas.DataFrame({"dish"     : ["fish", "chicken", "fish", "chicken", "chicken"],
...                         "location" : ["central", "central", "north", "north", "south"],
...                         "sales" : [1,3,5,2,4]})
>>> df1
      dish location  sales
0     fish  central      1
1  chicken  central      3
2     fish    north      5
3  chicken    north      2
4  chicken    south      4

>>> df2 = df1[["dish", "location"]]
>>> df2["sales_contrib"] = 0.0
>>> df2
      dish location  sales_contrib
0     fish  central            0.0
1  chicken  central            0.0
2     fish    north            0.0
3  chicken    north            0.0
4  chicken    south            0.0

现在，我想做以下工作：

遍历df2的每一行

计算销售费用。那道菜的位置。因此，对于鱼类，中部地区占总收入的16.67%，而北部地区占总收入的83.3%

结果df为

          dish location  sales_contrib
0     fish  central            16.67
1  chicken  central            33.33
2     fish    north            83.33
3  chicken    north            22.22
4  chicken    south            44.45

---

我尝试使用

iteritems（）

，但没有得到结果

你可以利用熊猫的力量来做到这一点

dish_totals = df1.groupby(by="dish").sum()
df2["sales_contrib"] = df1.apply((lambda row: 100*row["sales"]/dish_totals.loc[row["dish"]]), axis=1)
print(df2)

输出：

      dish location  sales_contrib
0     fish  central      16.666667
1  chicken  central      33.333333
2     fish    north      83.333333
3  chicken    north      22.222222
4  chicken    south      44.444444

试一试

---

@瓦伊沙利，谢谢。。。我也喜欢你的答案，因为你没有中间人

dish\u totals

dataframe。另外，我不确定这是否重要，但我可以像你一样四舍五入到小数点后两位。

(df1.groupby(['dish', 'location']).sales.sum().div(df1.groupby('dish').sales.sum()) * 100).round(2).reset_index()

    dish    location    sales
0   chicken central     33.33
1   chicken north       22.22
2   chicken south       44.44
3   fish    central     16.67
4   fish    north       83.33