如何根据总值创建 n 行数答案

【问题标题】：How to create n-number of rows based off a total value如何根据总值创建 n 行数
【发布时间】：2022-12-31 03:17:54
【问题描述】：

我希望根据列表中的单个记录生成多行。

例如，我有一个 CSV 文件（例如文件A）如下：

User ID	Total Value	Multiple Value	Remaining Value
123	1007.25	11	7.25
456	804.25	9	4.25

我想创建另一个 CSV 文件（例如档案B）像这样：

User ID	Final Value
123	100.00
123	100.00
123	100.00
123	100.00
123	100.00
123	100.00
123	100.00
123	100.00
123	100.00
123	100.00
123	7.25
456	100.00
456	100.00
456	100.00
456	100.00
456	100.00
456	100.00
456	100.00
456	100.00
456	4.25

我尝试使用 pandas.concat 函数以及 for 循环，但我似乎无法让它正常工作（它出错了）。

【问题讨论】：

标签： python pandas

【解决方案1】：

如果我正确理解逻辑，您可以在没有“多个值”和“剩余值”列的情况下执行此操作：

import numpy as np
import pandas as pd

df = pd.read_clipboard() # Your df here

df["Final Value"] = df["Total Value"].apply(lambda x: np.minimum(x - np.arange(0, x, 100), 100))

out = df[["User ID", "Final Value"]].explode("Final Value")

   User ID Final Value
0      123       100.0
0      123       100.0
0      123       100.0
0      123       100.0
0      123       100.0
0      123       100.0
0      123       100.0
0      123       100.0
0      123       100.0
0      123       100.0
0      123        7.25
1      456       100.0
1      456       100.0
1      456       100.0
1      456       100.0
1      456       100.0
1      456       100.0
1      456       100.0
1      456       100.0
1      456        4.25

【讨论】：

【解决方案2】：

这可能是一个解决方案：

User_ID_List = df["User ID"].to_list()

Multiple_Value_List = df["Multiple Value"].to_list()

Remaining_Value_List = df["Remaining Value"].to_list()

New_User_ID_List= []

New_Multiple_Value_List = []


for x in range(len(User_ID_List):
  Multiple_Value = Multiple_Value_List[x]
  for y in range(Multiple_Value):
     New_User_ID_List.append(User_ID_List[x])
     New_Multiple_Value_List.append(Multiple_Value_List[x])
  New_Multiple_Value_List.pop() 
  New_Multiple_Value_List.append(Remaining_Value_List[x])

df = pd.DataFrame()
df["User Id"] = New_User_ID_List
df["Final Value"] = New_Multiple_Value_List

【讨论】：

【解决方案3】：

也许是这样的？

import numpy as np

def spread(g):
    tot, rem, n = g[['Total Value', 'Remaining Value', 'Multiple Value']].squeeze()
    n -= 1
    val = (tot - rem) / n
    return np.r_[np.repeat(val, n), rem]

out = df.groupby('User ID').apply(spread).explode()

>>> out
User ID
123    100.0
123    100.0
123    100.0
123    100.0
123    100.0
123    100.0
123    100.0
123    100.0
123    100.0
123    100.0
123     7.25
456    100.0
456    100.0
456    100.0
456    100.0
456    100.0
456    100.0
456    100.0
456    100.0
456     4.25

【讨论】：