这显然很简单，但作为一个新手，我被卡住了
我有一个CSV文件，其中包含3列：州、办公室ID和该办公室的销售额
我想计算给定州每个办公室的销售额百分比（每个州所有百分比的总和为100%）
df=pd.DataFrame（{'state'：['CA'，'WA'，'CO'，'AZ']*3，
“办公室id”：范围（1,7）*2，
“销售”：[np.random.randint（100000，999999）
适用于范围（12）]内的uu）
df.groupby（['state'，'office_id']）.agg（{'sales'：'sum'}）
这将返回：
销售
州政府办公室
亚利桑那州2839507
4 373917
6 347225
加州1798585
3 890850
5 454423
一氧化碳1819975
3 202969
5 614011
西澳2 163942
4 369858
6 959285
我似乎不知道如何“达到”到groupby的状态级别，以合计整个状态的销售额，计算分数
Paul H的答案是正确的，您必须创建第二个groupby对象，但您可以用一种更简单的方法计算百分比——只需groupby州办公室并将sales列除以其总和即可。复制Paul H答案的开头：
来自Paul H
将numpy作为np导入
作为pd进口熊猫
np.random.seed（0）
df=pd.DataFrame（{'state'：['CA'，'WA'，'CO'，'AZ']*3，
“办公室id”：列表（范围（1,7））*2，
“销售”：[np.random.randint（100000，999999）
适用于范围（12）]内的uu）
state\u office=df.groupby（['state'，'office\u id']）.agg（{'sales'：'sum'}）
#更改：按州办公室分组并除以和
state\u pcts=state\u office.groupby（级别=0）。应用（lambda x:
100*x/浮点数（x.sum（））
返回：
销售
州政府办公室
AZ 2 16.981365
4 19.250033
6 63.768601
约119331879
3 33.858747
5 46.809373
CO 1 36.851857
3 19.874290
5 43.273852
西澳2 34.707233
4 35.511259
6 29.781508