四舍五入会产生错误

Question

我有一个 dataframe：

东风

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 dataframe individual_count 中生成另一列，该列将使用 b_count 的值创建，即 148，这样 60% 的计数位于过去 10 天，rest 40% 在剩余的几天内。 例如 - 这里 date_1 重复 30 次，将 148 分为 30 个条目，这样 60% 的计数位于 date_2 的最后 10 个日期（在我们的例子中是从 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 分配给 60-40 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)

我以为我有，但问题出在：

缺少一些值，这是合理的，因为四舍五入。

我的问题在这里：

我不想在生成 individual_count 时丢失 b_count。

我这样做了：

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

我发现加起来计数不一样。

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 的最后一个条目中。 例如 - 在为 01/09/2019 添加后，我得到 147 作为 b_count，我想将 1 添加到最后一个条目的 individual_count 以使其成为 148。

任何人都可以提供同样的帮助。

谢谢