Question

我有一个小数据帧。下面给出一个例子。

+-------+---------+---------+------+----------+  
| code  | surplus | deficit | gone | has come |  
+-------+---------+---------+------+----------+
| 0100  |    1000 |       0 |      |          |
| 0103  |       0 |     100 |      |          |
| 0104  |       0 |     600 |      |          |
| 0190  |       0 |       0 |      |          |
| 0191  |       0 |     800 |      |          |
| 0192  |     500 |       0 |      |          |
| 0193  |     700 |       0 |      |          |
| 0194  |       0 |     300 |      |          |
| 0195  |       0 |       0 |      |          |
+-------+---------+---------+------+----------+

我需要分发surplus列中的数据，以涵盖deficit列中的数据。在列gone中，记下我从列surplus中获取的内容，并在列has come中写下我添加了多少来填补这一缺陷。从列surplus开始，随着值的减少，我会获取数据。总是从最大的赤字开始。

在我的例子中，它看起来像这样：

为了弥补最大的赤字（在示例中为800），我将参与价值1000。

为了弥补下一个缺陷（在示例中，这是600），我将获取值1000的余数，并从值400中取700。< / p>

为了弥补赤字300，我会使用余下的值700。

最后，为了弥补赤字100我参与了价值500。

结果应该是下一个数据帧：

+------+---------+---------+------+----------+
| code | surplus | deficit | gone | has come |
+------+---------+---------+------+----------+
| 0100 |    1000 |       0 | 1000 |        0 |
| 0103 |       0 |     100 |    0 |      100 |
| 0104 |       0 |     600 |    0 |      600 |
| 0190 |       0 |       0 |    0 |        0 |
| 0191 |       0 |     800 |    0 |      800 |
| 0192 |     500 |       0 |  100 |        0 |
| 0193 |     700 |       0 |  700 |        0 |
| 0194 |       0 |     300 |    0 |      300 |
| 0195 |       0 |       0 |    0 |        0 |
+------+---------+---------+------+----------+

surplus和deficit列中的值可能不同。

我无法为此任务找到算法。我会很感激任何想法。

Answer 1

我害怕我不认识大熊猫所以我不能详细说明答案，但这是一个普遍的算法，我觉得它会很好。你可以将它与pandas API相匹配。

对于“已来”栏目：

按差额（降序）
计算此排序列表中的赤字条目的累计总和
用sum（剩余）绑定它，即创建一列max(cumsum(deficit), sum(surplus))
现在用下一个项目来区分每个项目（我认为这是pandas.Series.diff方法？），使用0作为“-1”条目（也许你必须添加一个虚拟行？）。这是你的“来了”价值

对于“来了”栏目（如果sum(surplus) >= sum(deficit)）：

在这种情况下，您只需为所有行设置“has come”=“deficit”，这将比上述计算更快
但是如果你没有明确地检查这个案例，上面的计算仍然有效

对于“消失”专栏：只做与上面完全相同的事情，扭转“赤字”和“盈余”。

编辑：在你的例子中，过去的列是棘手的，因为在那种情况下，总和（不足）＆lt;总和（盈余）。以上是关于盈余的上述程序。

sum(surplus) = 2200
sum(deficit) = 1800

+------+---------+---------+-----------------+-----------------------------------+----------------+
| code | surplus | deficit | cumsum(surplus) | max(cumsum(surplus),sum(deficit)) | diff(prev row) |
+------+---------+---------+-----------------+-----------------------------------+----------------+
| NaN  |       0 |       0 |               0 |                                 0 |           NaN  |
| 0100 |    1000 |       0 |            1000 |                              1000 |           1000 |
| 0193 |     700 |       0 |            1700 |                              1700 |           700  |
| 0192 |     500 |       0 |            2200 |                              1800 |           100  |
| 0191 |       0 |     800 |            2200 |                              1800 |           0    |
| 0103 |       0 |     100 |            2200 |                              1800 |           0    |
| 0104 |       0 |     600 |            2200 |                              1800 |           0    |
| 0190 |       0 |       0 |            2200 |                              1800 |           0    |
| 0194 |       0 |     300 |            2200 |                              1800 |           0    |
| 0195 |       0 |       0 |            2200 |                              1800 |           0    |
+------+---------+---------+-----------------+-----------------------------------+----------------+

最后一列是您想要的结果。请注意，我在开头添加了一个虚拟行，以便我可以计算成对差异。事实证明shift()是计算该列所需的关键方法;见this question

编辑2：我认为可能值得添加替代解决方案。这有点难以理解，但它可能更容易实现，因为您不需要使用额外的虚拟行。

和以前一样：按缺陷（降序）
和以前一样：计算此排序列表中的赤字条目的累计总和
新：找到累积总和大于盈余总和的第一行的索引（我不知道在熊猫中获取此数据是多么容易）。如果没有这样的行，我们称之为i（i=Inf。）
对于此索引之前的所有行（即df[:i]），请设置“has come”=“deficit”
对于此索引之后的所有行（即df[i+1:]），请设置“has come”= 0
对于该行（即df[i]，如果存在i），请将“已来”设置为：
- has come = sum(surplus) - (cumsum(deficit) - deficit)
- （顺便说一句，(cumsum(deficit) - deficit)实际上等于前一行的cumsum（不足），如果这是第一行，则为0。）

Answer 2

问题“如何根据pandas中的条件将列值分配给其他列？”也许函数 np.where 就是你要找的东西：

import numpy as np
import pandas as pd 

# df[Column title] = np.where ( condition on this line, if condition true then value to assign, else value to assign)
df["gone"] = np.where((df["surplus"] - df["deficit"]) > 0 , df["surplus"] - df["deficit"] , 0)
df["has come"] = np.where((df["surplus"] - df["deficit"]) < 0 , 0, df["deficit"] - df["surplus"] )

如何根据pandas中的条件将列值分配给其他列

2 个答案: