使用条件和排名进行分组的 Python/Pandas 实现

Posted 2023-02-16

【中文标题】使用条件和排名进行分组的 Python/Pandas 实现

【英文标题】：Python/Pandas implementation for grouping with a condition and ranking

【发布时间】：2019-05-26 12:36:03

【问题描述】：

我想按邮政编码分组并形成褶皱，但如果达到 30000，它应该形成另一辆卡车。我无法申请分组并对其进行排名。可能需要按升序对重量进行排序以形成正确的卡车。任何帮助将不胜感激。

我有以下数据：

   Load No.  Zip Code  Pounds    
     1         50507    20000 
     2         50507    8000
     3         50507    5000 
     4         60001    28000
     5         60001    30000
     6         60001    2000
     7         60001    4000
     8         60002    20000
     9         60002    18000
     10        60002    13000

输出：

Load No.     Zip Code  Pounds    Truck   Total Weight
     1         50507    20000     1         28000
     2         50507    8000      1         28000
     3         50507    5000      2         5000
     4         60001    28000     3         30000
     5         60001    30000     5         2000
     6         60001    2000      3         30000
     7         60001    4000      4         4000
     8         60002    20000     6         20000
     9         60002    18000     7         18000
     10        60002    13000     8         13000

我已经对数据框进行了排序： data=data.sort_values(by=['Zip Code','Pounds'])

还尝试按邮政编码分组，但未能放入条件（> 20000）以形成密集排名： data['总重量'] = data.groupby('邮政编码')['磅'].transform(sum)

【问题讨论】：

欢迎使用 ***，请发布代码 sn-p 显示您的代码以及您尝试过的内容。

我已经添加了我编码的内容，但是我不知道如何通过分组来求和和制造卡车。如果您能提供帮助，将不胜感激。谢谢！

【参考方案1】：

我想我看到了您想要完成的工作，所以我完成了您正在寻找的部分内容，剩下的留给您自己决定。这个问题中最困难的部分似乎是智能地分配负载以最大化卡车空间。拆分是没有问题的，但不是只检查负载是否小于30,000那么简单。

首先，一种在卡车之间智能分配负载的方法：

def build_trucks(sorted_loads):

    load_copy = np.array(sorted_loads)

    truck_max = 30000

    # check if any loads are > truck_max and split them into bins that sum to the load

    while len(load_copy) > 0:

        truck = []
        truck_load = 0

        for i, load in enumerate(load_copy):
            if truck_load + load <= truck_max:
                truck.append(i)
                truck_load += load

        yield load_copy[truck]

        load_copy = np.delete(load_copy, truck)

你没有提到任何负载是否会超过 30,000，所以我离开了而不是不完整。这本身就是一个有趣的问题（将 45,000 分成两个负载：30,000 和 15,000，将 65,000 分成两个 30,000 和 5,000）。我针对一些测试运行了这个，包括你的：

print(list(build_trucks(np.array([20000, 8000, 5000]))))
print(list(build_trucks(np.array([30000, 28000, 4000, 2000]))))
print(list(build_trucks(np.array([20000, 18000, 13000]))))

print(list(build_trucks(sorted(np.array([25000, 1000, 1000, 4000, 5500]), reverse=True))))

哪个输出：

[array([20000,  8000]), array([5000])]
[array([30000]), array([28000,  2000]), array([4000])]
[array([20000]), array([18000]), array([13000])]
[array([25000,  4000,  1000]), array([5500, 1000])]

为了看看它的行为如何，我跑了：

grp = data.groupby('zip')

for i, g in grp:
    print(g.sort_values('pounds', ascending=False))
    print()
    print(list(build_trucks(g['pounds'])))
    print()

其中data 是您提供的原始数据的DataFrame。希望问题的其余部分对您来说很明显。如果没有，请随时询问，我会尽力提供帮助（我留下了很多不完整的内容，因为这对你来说是一个很好的学习问题，但我不想花太多自己的时间在上面）。可能有很多方法可以做到这一点，这是我看到的第一种方式。我还想到了一种递归方式来做到这一点，可能有效也可能无效。