Berechnen Sie die Summe jeder Zeile des externen Index im Multi-Index-Pandas-Datenrahmen

Frageninhalt

Ich habe einen Datenrahmen: die günstigste Kombination von seller、item、price、shipping、免费送货最低、count available和count required。我的目标是根据稍后计算的 total 找到 seller 和 item (der Berechnungscode wird unten angezeigt). Beispieldaten lauten wie folgt:

import pandas as pd

item1 = ['item 1', 'item 2', 'item 1', 'item 1', 'item 2']
seller1 = ['seller 1', 'seller 2', 'seller 3', 'seller 4', 'seller 1']
price1 = [1.85, 1.94, 2.00, 2.00, 2.02]
shipping1 = [0.99, 0.99, 0.99, 2.99, 0.99]
freeship1 = [5, 5, 5, 50, 5]
countavailable1 = [1, 2, 2, 5, 2]
countneeded1 = [2, 1, 2, 2, 1]

df1 = pd.dataframe({'seller':seller1,
                    'item':item1,
                    'price':price1,
                    'shipping':shipping1,
                    'free shipping minimum':freeship1,
                    'count available':countavailable1,
                    'count needed':countneeded1})

# create columns that states if seller has all counts needed.
# this will be used to sort by to prioritize the smallest number of orders possible
for index, row in df1.iterrows():
    if row['count available'] >= row['count needed']:
        df1.at[index, 'fulfills count needed'] = 'yes'
    else:
        df1.at[index, 'fulfills count needed'] = 'no'

# dont want to calc price based on [count available], so need to check if seller has count i need and calc cost based on [count needed].
# if doesn't have [count needed], then calc cost on [count available].
for index, row in df1.iterrows():
    if row['count available'] >= row['count needed']:
        df1.at[index, 'price x count'] = row['count needed'] * row['price']
    else:
        df1.at[index, 'price x count'] = row['count available'] * row['price']

Beide seller都可以出售多个item。我想尽量减少支付的运费，所以我想通过 seller 将 items 分组在一起。因此，我根据我在另一个线程中看到的方式使用 .first()-Methoden gruppieren sie jedoch so, dass jede Spalte in einem neuen gruppierten Datenrahmen gehalten wird.

# don't calc [total] until sellers have been grouped
# use first() method to return all columns and perform no other aggregations
grouped1 = df1.sort_values('price').groupby(['seller', 'item']).first()

An diesem Punkt möchte ich bestehenseller计算total。所以我有以下代码，但它为每个 item 计算 total，而不是 seller，这意味着 shipping 根据每个组中的商品数量被多次添加，或者当 price x count 结束时不应用免费送货最低免运费.

# calc [Total]
for index, row in grouped1.iterrows():
    if (row['Free Shipping Minimum'] == 50) & (row['Price x Count'] > 50):
        grouped1.at[index, 'Total'] = row['Price x Count'] + 0
    elif (row['Free Shipping Minimum'] == 5) & (row['Price x Count'] > 5):
        grouped1.at[index, 'Total'] = row['Price x Count'] + 0
    else:
        grouped1.at[index, 'Total'] = row['Price x Count'] + row['Shipping']

Es sieht tatsächlich so aus, als müsste ich vielleicht total 时对每个 seller 求和 price x count berechnen, aber das ist im Wesentlichen das gleiche Problem, da ich nicht weiß, wie ich jede Zeile des äußeren Index berechnen soll. Mit welchen Methoden kann ich das machen?

Wenn jemand Vorschläge hat, wie ich die zweite Hälfte meiner Ziele erreichen kann, kann er mich gerne fragen. Ich möchte einfach jeden Artikel zurückgeben, den ich brauche. Ich benötige zum Beispiel 2 „Projekt 1“ und 2 „Projekt 2“. Wenn „Verkäufer 1“ 2 „Artikel 1“ und 1 „Artikel 2“ hat und „Verkäufer 2“ 1 „Artikel 1“ und 1 „Artikel 2“, dann möchte ich den gesamten Artikel „Verkäufer 1“ (vorausgesetzt, es ist der am günstigsten), aber es gibt nur 1 „Artikel1“ für „Verkäufer2“. Dies scheint sich auf die Berechnung der Spalte total auszuwirken, ich bin mir jedoch nicht sicher, wie ich es implementieren soll. total 列的计算，但我不确定如何实现它。

正确答案

我最终决定首先对 seller 进行分组，并对 price x count 进行求和以找到 subtotals，将其转换为数据帧，然后将 df1 与新的 subtotal 数据帧合并以创建 groupedphpcnend cphpcn 数据框。然后我使用 <code>np.where 建议创建了 totals 列（这比我的 for 循环优雅得多，并且可以轻松处理 nan 值）。最后按seller、total、item

Richtige Antwort

🎜🎜Ich habe mich schließlich entschieden, zuerst Verkäufer zu gruppieren und Preis x Anzahl zu addieren, um den zu finden subtotals, konvertieren Sie sie in Datenrahmen und führen Sie dann df1 mit dem neuen subtotal-Datenrahmen zusammen, um den Datenrahmen groupedphpcnend cphpcn zu erstellen. Anschließend habe ich die Spalte <code>totals mit dem Vorschlag np.where erstellt (dies ist viel eleganter als meine for-Schleife und verarbeitet Nan-Werte einfacher). Zum Schluss gruppieren Sie nach seller, total, item, um die gewünschten Ergebnisse zu erhalten. Der endgültige Code lautet wie folgt: 🎜

import pandas as pd
import numpy as np

item1 = ['item 1', 'item 2', 'item 1', 'item 1', 'item 2']
seller1 = ['Seller 1', 'Seller 2', 'Seller 3', 'Seller 4', 'Seller 1']
price1 = [1.85, 1.94, 2.69, 2.00, 2.02]
shipping1 = [0.99, 0.99, 0.99, 2.99, 0.99]
freeship1 = [5, 5, 5, 50, 5]
countavailable1 = [1, 2, 2, 5, 2]
countneeded1 = [2, 1, 2, 2, 1]

df1 = pd.DataFrame({'Seller':seller1,
                    'Item':item1,
                    'Price':price1,
                    'Shipping':shipping1,
                    'Free Shipping Minimum':freeship1,
                    'Count Available':countavailable1,
                    'Count Needed':countneeded1})

# create columns that states if seller has all counts needed.
# this will be used to sort by to prioritize the smallest number of orders possible
for index, row in df1.iterrows():
    if row['Count Available'] >= row['Count Needed']:
        df1.at[index, 'Fulfills Count Needed'] = 'Yes'
    else:
        df1.at[index, 'Fulfills Count Needed'] = 'No'

# dont want to calc price based on [count available], so need to check if seller has count I need and calc cost based on [count needed].
# if doesn't have [count needed], then calc cost on [count available].
for index, row in df1.iterrows():
    if row['Count Available'] >= row['Count Needed']:
        df1.at[index, 'Price x Count'] = row['Count Needed'] * row['Price']
    else:
        df1.at[index, 'Price x Count'] = row['Count Available'] * row['Price']

# subtotals by seller, then assign calcs to column called [Subtotal] and merge into dataframe
subtotals = df1.groupby(['Seller'])['Price x Count'].sum().reset_index()

subtotals.rename({'Price x Count':'Subtotal'}, axis=1, inplace=True)

grouped = df1.merge(subtotals[['Subtotal', 'Seller']], on='Seller')


# calc [Total]
grouped['Total'] = np.where(grouped['Subtotal'] > grouped['Free Shipping Minimum'],
                             grouped['Subtotal'], grouped['Subtotal'] + grouped['Shipping'])

grouped.groupby(['Seller', 'Total', 'Item']).first()

Das obige ist der detaillierte Inhalt vonBerechnen Sie die Summe jeder Zeile des externen Index im Multi-Index-Pandas-Datenrahmen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!