Python 如果一个dataframe列中的多个值与另一列中的1个值相对应，如何求和

我有这样一个数据框：

Code  Group        Name   Number
ABC   Group_1_ABC  Mike   40
                   Amber  60
      Group_2_ABC  Rachel 90
XYZ   Group_1_XYZ  Bob    30
                   Peter  75
                   Nikki  55
      Group_2_XYZ  Julia  23
                   Ross   80
LMN   Group_1_LMN  Paul   95
.     .            .      .
.     .            .      .

我通过按代码、组、名称分组并对数字求和来创建此数据帧

现在我想计算特定代码中每个名称的百分比。为此，我想对一个代码中的所有数字求和。我这样做是为了计算百分比

df['Percentage']= (df['Number']/df['??'])*100

现在，对于每组的总和部分，我不知道如何计算？我想要每个代码类别的总和，以便计算百分比

例如代码：ABC的总数应该是40+60+90=190。然后将这190除以ABC中每个用户的所有数字，以计算其各自代码类别的百分比。因此，从技术上讲，列组和名称在计算每个代码类别的总和时不起任何作用。

按一级或按级别名称使用

code

：

df['Percentage']= (df['Number']/df.groupby(level=0)['Number'].transform('sum'))*100

---

或在最新版本中，不需要指定级别参数：

df['Percentage']= (df['Number']/df.groupby('Code')['Number'].transform('sum'))*100

---

详细信息：

print (df.groupby(level=0)['Number'].transform('sum'))
Code  Group        Name  
ABC   Group_1_ABC  Mike      190
                   Amber     190
      Group_2_ABC  Rachel    190
XYZ   Group_1_XYZ  Bob       263
                   Peter     263
                   Nikki     263
      Group_2_XYZ  Julia     263
                   Ross      263
LMN   Group_1_LMN  Paul       95
Name: Number, dtype: int64

---

哦，对不起，我不知道。我已经接受了你的回答。

print (df)
                         Number  Percentage
Code Group       Name                      
ABC  Group_1_ABC Mike        40   21.052632
                 Amber       60   31.578947
     Group_2_ABC Rachel      90   47.368421
XYZ  Group_1_XYZ Bob         30   11.406844
                 Peter       75   28.517110
                 Nikki       55   20.912548
     Group_2_XYZ Julia       23    8.745247
                 Ross        80   30.418251
LMN  Group_1_LMN Paul        95  100.000000

print (df.groupby(level=0)['Number'].transform('sum'))
Code  Group        Name  
ABC   Group_1_ABC  Mike      190
                   Amber     190
      Group_2_ABC  Rachel    190
XYZ   Group_1_XYZ  Bob       263
                   Peter     263
                   Nikki     263
      Group_2_XYZ  Julia     263
                   Ross      263
LMN   Group_1_LMN  Paul       95
Name: Number, dtype: int64