Python 3 - 在字典和聚合中創建列表的組合

Question

我想我在熊貓中以倒退的方式討論這一切。下面是一個例子數據框：

Group rstart rend qty 
1  10000 11000 1000 
1  10000 11000 8000 
1  10000 11000 13000 
1  10000 11000 1000 
2  6000 8000 4000 
2  6000 8000 9000 
2  6000 8000 3000 

最終我試圖確定在上述範圍之間的組內數量的數量或組合，把一個標誌一個新的列（如果可能的節省組合也在一個新的專欄中）。

以下是我迄今爲止所做的以及我遇到問題的方式 - 由於我是新手，因此嘗試了所有不同的方法。

import pandas as pd 
import numpy as np 
import itertools 

df = pd.read_csv('test.csv') 
d = df[['group','qty']] 
s = d.groupby('group')['qty'].apply(list).to_dict() 
comb = list(map(dict,itertools.combinations(s.items(),2))) 

我試過的comb stmt和多種變化只是打印字典。把2換成兩個變體來測試它，但不工作 - 這將不得不根據列表中的值進行調整。

我引入了數據集，然後認爲最好創建一個包含每個分組和數量的列表的字典，以便在單獨的表中創建所有組合。一旦我獲得了每個值的組合和總和 - 鏈接回主數據框以與總數和標誌進行比較。

我遇到了創建與組和相關的數量的每個組合的問題和求和。如果存儲在所有字典的列表中，我可以執行它，但是我需要按組進行分組。例如，第1組應該有1000,8000和1000,13000,1000,1000和1000,8000,13000等等。組合的數量可能因組而異。

任何人都可以協助指導我在正確的方向嗎？也許我的想法是關於如何去做這件事。

謝謝

Answer 1

這裏也使用itertools.combination結合列表解析一個自我解釋的解決方案：

def aggregate(sub_df): 
    # get boundaries and actual values 
    bound_low = sub_df["rstart"].iloc[0] 
    bound_high = sub_df["rend"].iloc[0] 
    values = sub_df["qty"].values 

    # get possible combinations, iterate all lengths of combinations 
    combis = [itertools.combinations(values, x+1) 
       for x in range(len(values))] 

    # flatten all combis and apply filter condition 
    result = [combi for sub_combi in combis 
       for combi in sub_combi 
       if bound_low <= sum(combi) <= bound_high] 

    return result 

print(df.groupby("Group").apply(aggregate)) 

Group 
1 [(1000, 8000, 1000)] 
2   [(4000, 3000)] 
dtype: object 

不過，我不明白你在這裏group 1 should have 1000,8000 and 1000,13000 and 1000,1000 and 1000,8000,13000。