我有一个数据框:
DF
Date_1 Date_2 b_count
01/09/2019 02/08/2019 148
01/09/2019 03/08/2019 148
01/09/2019 04/08/2019 148
01/09/2019 05/08/2019 148
01/09/2019 06/08/2019 148
01/09/2019 07/08/2019 148
01/09/2019 08/08/2019 148
01/09/2019 09/08/2019 148
01/09/2019 10/08/2019 148
01/09/2019 11/08/2019 148
01/09/2019 12/08/2019 148
01/09/2019 13/08/2019 148
01/09/2019 14/08/2019 148
01/09/2019 15/08/2019 148
01/09/2019 16/08/2019 148
01/09/2019 17/08/2019 148
01/09/2019 18/08/2019 148
01/09/2019 19/08/2019 148
01/09/2019 20/08/2019 148
01/09/2019 21/08/2019 148
01/09/2019 22/08/2019 148
01/09/2019 23/08/2019 148
01/09/2019 24/08/2019 148
01/09/2019 25/08/2019 148
01/09/2019 26/08/2019 148
01/09/2019 27/08/2019 148
01/09/2019 28/08/2019 148
01/09/2019 29/08/2019 148
01/09/2019 30/08/2019 148
01/09/2019 31/08/2019 148
我想在数据框personal_count中生成另一列,该列将使用b_count的值(即148)创建,以使计数的60%位于最近10天,其余40%位于其余天。例如-这里date_1被重复30次,将148划分为30个条目,以使计数的60%位于date_2的最后10个日期中(在我们的情况下为22/08/2019到31/08/2019。
到目前为止,我能够使用来实现增长的趋势:
def add_series(grp):
n_rows = grp.shape[0]
val = grp['b_count'].min()
s = np.exp(np.linspace(0,1,n_rows))
s = np.round((s * val)/ np.sum(s))
grp['individual_count'] = s
return grp
df3 = joined_df.groupby('Date_1').apply(add_series)
这为我提供了personal_count分配的增长趋势,但是,我也想分配60-40的比率,
因此,想法是合并60-40的比例并消耗相应的完整计数。任何人都可以帮忙吗?
请注意-数据框已首先在Date_1上排序,然后在Date_2上排序。
谢谢