df = pd.read_csv(r'C:downloadexample.csv', sep=';', decimal=',',
                 encoding='cp1251', dayfirst=True, parse_dates=['Time Period'])

df['Share/month'] = (df.groupby(['Sites',
                                 'Source Type from Overview',
                                 pd.Grouper(key='Time Period', freq='1MS')])
                       ['Traffic Share']
                       .transform(lambda x: x/x.sum()))

In [267]: df
Out[267]:
   Time Period Source Type from Overview  Traffic Share Sites  Share from SourceType  Share/month
0   2017-05-01                    Черный       0.493767   чай               0.579027     0.579027
1   2017-05-01                    Черный       0.357690   чай               0.419453     0.419453
2   2017-05-01                   Зеленый       0.099872   чай               1.000000     1.000000
3   2017-05-01                     Белый       0.033291   чай               1.000000     1.000000
4   2017-05-01                   Красный       0.012072   чай               0.857143     0.857141
5   2017-05-01                   Красный       0.002012   чай               0.142857     0.142859
6   2017-05-01                    Черный       0.001296   чай               0.001520     0.001520
..         ...                       ...            ...   ...                    ...          ...
19  2017-07-01                    Черный       0.387125   чай               0.464413     0.464413
20  2017-07-01                   Зеленый       0.113402   чай               1.000000     1.000000
21  2017-07-01                Порошковый       0.026510   чай               1.000000     1.000000
22  2017-07-01                   Красный       0.013255   чай               1.000000     1.000000
23  2017-07-01                     Белый       0.013255   чай               1.000000     1.000000
24  2017-07-01                    Черный       0.000000   чай               0.000000     0.000000
25  2017-07-01                   Зеленый       0.000000   чай               0.000000     0.000000

[26 rows x 6 columns]