根据另一个数据框中的字符串计数分配值答案

【问题标题】：Distribute values based on count of string in another dataframe根据另一个数据框中的字符串计数分配值
【发布时间】：2021-07-12 02:31:15
【问题描述】：

我想根据以下状态分配付款：

付款：

  cust_id    name       date  amount
0       A  Edward 2021-01-01    3000
1       B   Henry 2021-01-01    5000
2       C   Ferth 2021-02-01    1000

状态：

  cust_id  contract_id   state1    state2    state3
0       A            1  Alabama    Alaska   Arizona
1       A            2  Indiana   Alabama  Nebraska
2       B            3  Alabama       NaN   Arizona
3       C            4   Alaska  Nebraska       NaN
4       C            5      NaN     Maine  Nebraska

客户可能至少有一份合同，每份合同涵盖不同的状态。每个状态都必须被计算，并且那些出现两次的状态将在计算比率时被计算两次，依此类推。然后该比率将乘以金额以获得每个州的分配金额。

输出：

cust_id    name       date     state     ratio  amount
0       A  Edward 2021-01-01   Alabama  0.333333    1000
1       A  Edward 2021-01-01    Alaska  0.166667     500
2       A  Edward 2021-01-01   Arizona  0.166667     500
3       A  Edward 2021-01-01   Indiana  0.166667     500
4       A  Edward 2021-01-01  Nebraska  0.166667     500
5       B   Henry 2021-01-01   Alabama  0.500000    2500
6       B   Henry 2021-01-01   Arizona  0.500000    2500
7       C   Ferth 2021-02-01    Alaska  0.250000     250
8       C   Ferth 2021-02-01  Nebraska  0.500000     500
9       C   Ferth 2021-02-01     Maine  0.250000     250

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

这可以使用df.melt 后跟df.groupby 和value_counts 和normalize=True 来实现，这样我们就可以为每个客户展平状态，并根据出现次数，我们得到每个状态的 pct 份额.然后与支付数据框合并，最后将amount 与 pct 份额相乘，得到新的金额：

解决方案：

u = (state.melt(['cust_id','contract_id'],value_name='state')
    .groupby("cust_id")['state'].value_counts(normalize=True)
    .reset_index(name='ratio'))

out = payment.merge(u,on='cust_id')
out['new_amount'] = out['amount']*out['ratio']

输出：

print(out)

  cust_id    name        date  amount     state     ratio  new_amount
0       A  Edward  2021-01-01    3000   Alabama  0.333333      1000.0
1       A  Edward  2021-01-01    3000    Alaska  0.166667       500.0
2       A  Edward  2021-01-01    3000   Arizona  0.166667       500.0
3       A  Edward  2021-01-01    3000   Indiana  0.166667       500.0
4       A  Edward  2021-01-01    3000  Nebraska  0.166667       500.0
5       B   Henry  2021-01-01    5000   Alabama  0.500000      2500.0
6       B   Henry  2021-01-01    5000   Arizona  0.500000      2500.0
7       C   Ferth  2021-02-01    1000    Alaska  0.250000       250.0
8       C   Ferth  2021-02-01    1000     Maine  0.250000       250.0
9       C   Ferth  2021-02-01    1000  Nebraska  0.500000       500.0

【讨论】：