熊猫分组并求和，但在超过一定数量时创建一个新行

Question

我目前有一个数据集，我试图根据一列对行进行分组，并对值为整数的列求和。

但是，问题是我想在总和达到某个阈值后创建一个新行

例如，在下面的数据框中，我试图根据公司名称对行进行分组并总结权重，但是，我不希望权重超过 100。

输入数据框：

Company	Weight
a	30
b	45
a	27
a	40
b	57
a	57
b	32

输出数据框：

Company	Weight
a	97
a	57
b	89
b	45

我尝试过使用 group by 和 sum，但是它无法检测我是否已达到最大数量。

有什么方法可以实现吗？

任何帮助将不胜感激！

Answer 1

我认为这里是必要的循环，所以为了提高性能是使用numba，修改solution from Divakar，由GroupBy.transform按组调用函数，然后聚合sum：

from numba import njit

@njit
def make_groups(x, target):
    result = np.empty(len(x),dtype=np.uint64)
    total = 0
    group = 0
    for i,x_i in enumerate(x):
        total += x_i
        if total >= target:
            group += 1
            total = 0
        result[i] = group
    return result

g = df.groupby("Company")["Weight"].transform(lambda x: make_groups(x.to_numpy(), 100))

df1 = (df.groupby(by=["Company", g])
        .sum()
        .reset_index(1, drop=True)
        .sort_values(['Company','Weight'], ascending=[True, False])
        .reset_index())
print (df1)
  Company  Weight
0       a      97
1       a      57
2       b      89
3       b      45

Answer 2

嗯，这取决于，你目前在问一个 NP 问题，除非你不希望最佳体重在 100 以下，你可以做一些算法，

但没有一个是 o(n)，这是 group by 和 sum 的作用，假设你用 iterrows() 进行迭代（尽量避免这种情况），你能在一次迭代中这样做吗？如果您不是在寻找最佳解决方案（每场比赛最接近 100 个），则可以选择。

对于每家公司，您都必须通过增加值对其进行排序。 每次总和达到 100 时，在边变量处使用迭代打开一个新行，并在最后替换原点

据我所知，没有 pandas / Numpy 标准解决方案。