Question

我的奶奶有一些奇怪的想法。每个生日她带我去购物。她有一些严格的规定。如果我买一件不到20美元的礼物，她就不会捐款。如果我花费超过20美元，她将捐赠高达30美元。

因此，如果礼物售价27美元，她将捐出7美元。

现在这让我花了23美元用于生日那天的额外礼物;与上述相同的规则适用于任何其他礼物。

一旦花了30美元，老奶奶就没有更多的贡献，我必须自己支付剩余的费用。

以下是我11岁，12岁和13岁生日的示例表。

                         DollarsSpent  granny_pays
BirthDayAge PresentNum                           
11          1                  25.00         5.00   -- I used up $5
            2                 100.00        25.00   -- I used up last $20
            3                  10.00         0.00
            4                  50.00         0.00
12          1                  39.00        19.00  -- I used up $19 only $11 left
            2                   7.00         0.00
            3                  32.00        11.00  -- I used up the last $11 despite $12 of $32 above the $20 starting point
            4                  19.00         0.00
13          1                  21.00         1.00  -- used up $1
            2                  27.00         7.00  -- used up $7, total used up $8 and never spent last $22

所以在大熊猫中我已经走到了这一步。

import pandas as pd
granny_wont_pay_first = 20.
granny_limit = 30.

df = pd.DataFrame({'BirthDayAge' : ['11','11','11','11','12','12','12','12','13','13']
                   ,'PresentNum' : [1,2,3,4,1,2,3,4,1,2]
                   ,'DollarsSpent' : [25.,100.,10.,50.,39.,7.,32.,19.,21.,27.]
              })

df.set_index(['BirthDayAge','PresentNum'],inplace=True)
df['granny_pays'] = df['DollarsSpent'] - granny_wont_pay_first
df['granny_limit'] = granny_limit
df['zero'] = 0.0
df['granny_pays'] =  df[['granny_pays','zero','granny_limit']].apply(np.median,axis=1)
df.drop(['granny_limit','zero'], axis=1, inplace=True)

print df.head(len(df))

这是输出。使用3个数字的中位数是一个很好的方法来计算出奶奶会贡献什么。

问题在于，您可以看到每个礼物都是孤立对待的，而且我并没有正确地侵蚀每个BirthDayAge中每个礼物的30美元。

                      DollarsSpent  granny_pays
BirthDayAge PresentNum                           
11          1                  25.00         5.00
            2                 100.00        30.00 -- should be 25.0
            3                  10.00         0.00
            4                  50.00        30.00 -- should be 0.0
12          1                  39.00        19.00
            2                   7.00         0.00
            3                  32.00        12.00 -- should be 11.0
            4                  19.00         0.00
13          1                  21.00         1.00
            2                  27.00         7.00

试着想出一个好的熊猫方法来做这种侵蚀。

希望没有循环。

Answer 1

我不知道是否有更简洁的方法，但这应该有效并且确实避免了所要求的循环。

df['per_gift'] = df.DollarsSpent - 20
df['per_gift'] = np.where( df.per_gift > 0, df.per_gift, 0 )

df['per_bday'] = df.groupby('BirthDayAge').per_gift.cumsum()
df['per_bday'] = np.where( df.per_bday > 30, 30, df.per_bday )

df['granny_pays'] = df.groupby('BirthDayAge').per_bday.diff()
df['granny_pays'] = df.granny_pays.fillna(df.per_bday)

请注意，'per_gift'忽略了30美元的最高补贴，'per_bday'是每个'BirthDayAge'的累积补贴（上限为30美元）。

  BirthDayAge  DollarsSpent  PresentNum  per_gift  per_bday  granny_pays
0          11            25           1         5         5            5
1          11           100           2        80        30           25
2          11            10           3         0        30            0
3          11            50           4        30        30            0
4          12            39           1        19        19           19
5          12             7           2         0        19            0
6          12            32           3        12        30           11
7          12            19           4         0        30            0
8          13            21           1         1         1            1
9          13            27           2         7         8            7

熊猫集团运行总量

1 个答案: