如何根據列的相等部分將切片分配給pandas數據框？

Question

我按特定列對大約100萬行數據幀進行了排序。 我想基於另一列的相等總和為每個觀察分配組，但我不知道如何做到這一點。

示例如下：

import pandas as pd
value1 = [25,27,20,22,28,20]
value2 = [.34,.43,.54,.43,.5,.7]

df = pd.DataFrame({'value1':value1,'value2':value2})

df.sort_values('value1', ascending = False)

df['wanted_result'] = [1,1,1,2,2,2]

像這個例子，我想總結我的列（示例列value1 ）並指定組盡可能接近相等的value1總和。 這有功能嗎？

Answer 1

貪婪的循環

使用Numba的JIT來加速它。

from numba import njit

@njit
def partition(c, n):
    delta = c[-1] / n
    group = 1
    indices = [group]
    total = delta

    for left, right in zip(c, c[1:]):
        left_diff = total - left
        right_diff = total - right
        if right > total and abs(total - right) > abs(total - left):
            group += 1
            total += delta
        indices.append(group)

    return indices

df.assign(result=partition(df.value1.to_numpy().cumsum(), n=2))

   value1  value2  result
4      28    0.50       1
1      27    0.43       1
0      25    0.34       1
3      22    0.43       2
2      20    0.54       2
5      20    0.70       2

---

這不是最佳選擇。 這是一種貪婪的啟發式方法。 它遍歷列表並找到我們進入下一組的位置。 此時，它決定將當前點包含在當前組或下一組中是否更好。

這應該表現得非常好，除非價值觀存在巨大差異且價值較大的情況即將結束。 這是因為這個算法很貪婪，只能查看它當前所知的內容，而不是一次查看所有內容。

但就像我說的那樣，它應該足夠好了。

Answer 2

我認為，這是一種最優化問題（非線性），而熊貓絕對不是解決問題的好方法。

解決問題的基本思路如下：

1. 定義：

   • n - 元素數量，
   • groupNo - 要分組的組數。

2. 從生成初始解決方案開始 ，例如將連續的n / groupNo元素組放入每個bin中 。

3. 定義目標函數 ，例如，每個組的總和與所有元素/組的總和之間的差的平方和。

4. 執行迭代：

   • 對於來自不同箱櫃的每對元素a和b ，計算新的目標函數值，如果這些元素被移動到另一個箱櫃，
   • 選擇能夠更好地改進目標函數的對並執行移動（將a從其當前bin移動到bin，其中b是，反之亦然）。

5. 如果找不到這樣的對，那么我們得到最終結果。

也許有人會提出更好的解決方案，但至少這個解決方案是一個開始的概念。