Pandas 根据列总和的百分比分离数据框答案

【问题标题】：Pandas separate a dataframe based on percentage of a column's sumPandas 根据列总和的百分比分离数据框
【发布时间】：2019-01-03 19:41:49
【问题描述】：

假设我有一个按比例列从小到大排序的数据框，如下所示：（实际数据框有数千行）

identifier total ratio
1          15     0.21
2          500    0.21
3          70     0.56
4          200    0.75
5          540    0.99

和一个截止值：

cutoff = .3

最后我想要两个 csv 文件，一个占总数的 30%，比率最低（type1.csv），一个占剩余的 70%（type2.csv）

到目前为止，我尝试只取前 30% 的行，并尝试乘以

total * ratio

并对该新列进行排序，最后都没有得到正确的列表...

我如何为总列的值分配权重，然后在比率列上削减？

【问题讨论】：

s=(df.total*df.ratio).cumsum() s=s/s.iloc[-1] 那么你只需要切片

标签： python pandas

【解决方案1】：

像这样？

cols = ['identifier', 'total', 'ratio']

data = [
[1          ,15    , 0.21],
[2          ,500    ,0.21],
[3          ,70     ,0.56],
[4          ,200    ,0.75],
[5          ,540    ,0.99]
]
import pandas as pd
df = pd.DataFrame(data=data, columns=cols)

df['s']=(df.total*df.ratio).cumsum()
df['cutoff']=df.s/df.s.iloc[-1]

type1 = df[df['cutoff'] < 0.3]
type1[['identifier', 'total', 'ratio']].to_csv(index=False, path_or_buf='type1.csv')


type2 = df[df['cutoff'] >= 0.3]
type2[['identifier', 'total', 'ratio']].to_csv(index=False, path_or_buf='type2.csv')

【讨论】：

你能解释一下“df['cutoff']=df.s/df.s.iloc[-1]”的作用吗？我的截止列全是 0 或 NaN，我没有在它应该在的地方拆分。
我的数据框中有无穷大，已修复。
df['cutoff']=df.s/df.s.iloc[-1] 只是设置了一个额外的列，以便您可以从一帧中看到要剪切数据集的位置给另一个。您可以压缩代码以避免此步骤，但认为这有助于说明。在这种情况下，df.s.iloc[-1] 相当于 df.s.sum()，尽管后者的性能会稍差一些。所以输出将是一个比率。这有意义吗？
确实如此！感谢您的解释和所有的帮助！