舍入值会产生错误

Question

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  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。

我从以下内容开始：

count = 30
arr = [] 
for row in df.iterrows():
    if count == 0:
        count = 30
        continue
    if count >10:
        arr.append(round(0.4 * row.b_Count))
        count = count - 1
    if count <=10:
        arr.append(round(0.6 * row.b_Count))
        count = count - 1

df['ratio_count'] = arr

新列将b_count分配为60-40的比率。

现在，要实现增长趋势：

def add_series(grp):
   n_rows = grp.shape[0]
   val = grp['new'].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 = df.groupby(['Date_1','ratio_count']).apply(add_series)

我以为有，但这是问题所在：

缺少一些值，由于四舍五入，这是合理的。

我的问题在这里：

我不想在生成personal_count时丢失b_count。

我这样做了：

df3.groupby('Date_1')['individual_count'].sum()

，我发现加起来时计数不一样。

我想找到每个日期的缺失计数，并将其添加到数据集中该特定date_1的最后一个条目。例如-在为01/09/2019添加后，我的b_count为147，我想在最后一个条目的personal_count中添加1，以使其为148。

有人可以帮忙吗？

谢谢