Python:将所有具有约束的唯一组合输出到 Pandas DataFrame

Question

请原谅我，因为我目前正在学习 Python。我有一个 Pandas DataFrame，其中包含以下工作人员属性列:Name、Position、HourlyPay。

df

Index   Name     Position      HourlyPay
  0     John     Analyst         15.00
  1     Mike     Programmer      18.00
  2     Lisa     Supervisor      16.75
  4     Frank    Analyst         15.50

我想输出到另一个 DataFrame(如下所示)，其中包含 n 人团队的所有可能唯一组合，其中还包括他们位置作为列标题，另一列总结了他们的 HourlyPay，然后按最高 TotalHourlyPay 排序。

uniqueDf

Index   Analyst  Programmer  Supervisor  TotalHourlyPay
 0       Frank      Mike       Lisa          50.25
 1       John       Mike       Lisa          49.75

我在上面的示例 uniqueDf 中使用了 3 个位置，但有时这可能会改变。例如，2 个 Analyst 职位可以同时工作，所以我希望可以选择在需要时动态添加或删除多个职位列。第二个例子如下。

secondExampleDf

Index   Analyst  Analyst Programmer  Supervisor  TotalHourlyPay
 0       Frank    John      Mike       Lisa          65.25

这是更大数据集的一个非常简单的示例。我已经尝试过这个问题，但我的代码并不值得展示。我得到的最接近的是在 df.Name 列上使用 itertools.combinations。我试图通过在两个 DataFrame 之间使用 join 或 merge 来追加和求和一个 TotalHourlyPay 列，但是我也无法让它发挥作用。

possibleCombinations = list(itertools.combinations(df.Name, 3))
uniqueDf = pd.DataFrame(possibleCombinations,columns=['Employee1','Employee2','Employee3'])

我真的只是问是否有人可以帮助我指明正确的方向。我知道 SO 不是为您编写代码，我绝对不想这样做。我真的很困惑下一步该怎么做，谷歌浏览器上的每个链接都被点击突出显示。非常感谢任何帮助。

谢谢

Answer 1

这段代码给出了你想要的结果:

import pandas as pd
import itertools

# definition of dataframe
df = pd.DataFrame()
df["Index"] = [0, 1, 2, 4, 5, 6, 8, 9, 10]
df["Name"] = ["John", "Mike", "Lisa", "Franck", "Peter", "Suzanne", "Laura", "Sam", "Manon"]
df["Position"] = ["Analyst", "Programmer", "Supervisor", "Analyst", "Programmer", "Programmer", "Supervisor", "Analyst", "Analyst"]
df["HourlyPay"] = [15.00, 18.00, 16.75, 15.50, 17.00, 18.00, 16.00, 12.00, 13.00]

# dict of dataframes by position
unique_positions = list(df["Position"].unique())
pos_dfs = {}
for pos in unique_positions:
    pos_dfs[pos] = df.loc[df["Position"]==pos].reset_index()

# required positions with count
req_pos_count = pd.DataFrame.from_dict({"count":{"Analyst": 2, "Supervisor": 1, "Programmer": 1}})
req_pos_unique = list(req_pos_count.index.unique())
req_pos_dfs = [pos_dfs[pos] for pos in req_pos_unique]

which_pos = [item for _, row in req_pos_count.iterrows() for item in [row.name]*row["count"]]
which_pos_count = [str(i) + "_" + pos for i, pos in enumerate(which_pos)]

# combinations
pos_dfs_rows = [list(itertools.combinations(range(len(pos_df)), req_pos_count.loc[req_pos_unique[i]]["count"]))
                for i, pos_df in enumerate(req_pos_dfs)]
pos_dfs_rows_comb = [[it for item in sublist for it in item]
                     for sublist in list(itertools.product(*pos_dfs_rows)) ]

# building of result
uniqueDf = pd.DataFrame(index=range(len(pos_dfs_rows_comb)), columns=which_pos_count+["TotalHourlyPay"])
for k, comb in enumerate(pos_dfs_rows_comb):
    rows = [pos_dfs[which_pos[i]].ix[ind] for i, ind in enumerate(comb)]
    tp = pd.concat(rows, axis=1, ignore_index=True).transpose()
    uniqueDf.loc[k, which_pos_count] = list(tp["Name"])
    uniqueDf["TotalHourlyPay"].loc[k] = tp["HourlyPay"].sum()
uniqueDf.sort_values(by="TotalHourlyPay", inplace=True)