数据循环 Python答案

【问题标题】：Data Loops Python数据循环 Python
【发布时间】：2020-12-21 22:04:46
【问题描述】：

我有两个数据框：

df_id：

name         id
region 01    850
region 01    15062
region 02    851

df_combination：

Origin      destination    total
region 01   region 01      1954
region 01   region 02      39

我必须执行区域 01 和区域 02 之间的所有可能组合，并将总数除以组合总数。

类似这样的输出：

Origin_id       Destination_id       Total_division
850             850                  488.5
850             15062                488.5
15062           850                  488.5
15062           15062                488.5
850             851                  19.5
15062           851                  19.5

我有超过 300 个区域，所以我想知道是否可以通过 python 代码（也许是循环）来实现。

【问题讨论】：

标签： python pandas dataframe loops data-structures

【解决方案1】：

此代码将准确高效地为您提供所需的内容；-)
它为 df_combination 中的每一行构建一个数据框，并在最后将它们全部连接起来。

import pandas as pd
from itertools import product

dict_region_to_ids = {reg: list(ids) for reg, ids in df_id.groupby("name")["id"]}
dfs = []
for r1, r2, total in df_combination.itertuples(index=False):
    df = pd.DataFrame(product(dict_region_to_ids[r1], dict_region_to_ids[r2]), 
                      columns=["Origin_id", "Destination_id"])
    df["Total_division"] = total / len(df)
    dfs.append(df)
df = pd.concat(dfs)
df

【讨论】：

天啊！！你救了我的命！！！非常感谢你！！！！！！！！！！

【解决方案2】：

这是另一个建议：

df = df_combination.merge(df_id, left_on='Origin', right_on='name')
df = df.merge(df_id, left_on='destination', right_on='name')
for _, group in df.groupby(['Origin', 'destination']):
    df.loc[group.index, 'total'] /= group.shape[0]
df = df[['id_x', 'id_y', 'total']].rename(
            columns={'id_x': 'Origin_id', 'id_y': 'Destination_id',
                     'total': 'Total_division'}
        )

结果（print(df)）：

   Origin_id  Destination_id  Total_division
0        850             850           488.5
1        850           15062           488.5
2      15062             850           488.5
3      15062           15062           488.5
4        850             851            19.5
5      15062             851            19.5

【讨论】：