Python Pandas 使用条件逻辑合并两个 DataFrame

Question

假设我有两个 pandas DataFrame 如下，

df_actual

ID  NAME    PRODUCT CHANNEL ACTUAL
1   A       W       G       233
1   A       W       M       4
1   A       X       G       188
1   A       X       M       4
1   A       Y       G       37
1   A       Y       M       4
1   A       Z       G       272
1   A       Z       M       4

和df_target

ID  NAME    PRODUCT TARGET
1   A       W       289
1   A       X       253
1   A       Y       36
1   A       Z       334

我期望得到如下结果，

ID  NAME    PRODUCT CHANNEL ACTUAL  TARGET  
1   A       W       G       233     284     <<< 289 * (233/(233+4))
1   A       W       G       4       5       <<< 289 * (4/(233+4))
1   A       X       G       188     248     <<< 253 * (188/(248+5))
1   A       X       G       4       5       <<< 253 * (4/(248+5))
1   A       Y       M       37      32      …
1   A       Y       M       4       4       …
1   A       Z       M       272     329     …
1   A       Z       M       4       5       …

基本上我想要做的就是向 df_actual 添加一个名为 TARGET 的新列。为了计算 TARGET 列中的值，

1. 我必须在 df_actual 中获取特定 ID、NAME、PRODUCT 的 ACTUAL 值 和 CHANNEL，然后获取相同 ID 的 df_target 中的 TARGET 值，名称和产品与以前一样。
2. 然后使用每个 CHANNEL 对总 CHANNEL 的贡献来计算每个 CHANNEL 的新 TARGET 值对于某些 ID、NAME 和 PRODUCT。

例如，要获取 ID 1、NAME A、PRODUCT W 的新 TARGET 值，和CHANNEL G，我需要使用这个公式289 * (233/(233 + 4))。

• 289 来自 df_target 中的 TARGET 值。
• 233 来自 CHANNEL G 的 df_actual 中的 ACTUAL 值
• 4 来自 CHANNEL M
的 df_actual 中的 ACTUAL 值

我的真实数据相当庞大，超过 1 Mio 行。因此，如果您能建议矢量化解决方案，我将非常感激。尽管如此，任何建议将不胜感激。谢谢。

Answer 1

考虑以下矢量化方法:

In [39]: m = df_actual.merge(df_target)

In [40]: m
Out[40]:
   ID NAME PRODUCT CHANNEL  ACTUAL  TARGET
0   1    A       W       G     233     289
1   1    A       W       M       4     289
2   1    A       X       G     188     253
3   1    A       X       M       4     253
4   1    A       Y       G      37      36
5   1    A       Y       M       4      36
6   1    A       Z       G     272     334
7   1    A       Z       M       4     334

In [41]: m['TARGET'] = (m.TARGET * m.ACTUAL / m.groupby(['NAME','PRODUCT'])['ACTUAL'].transform('sum')).round()

In [42]: m
Out[42]:
   ID NAME PRODUCT CHANNEL  ACTUAL  TARGET
0   1    A       W       G     233   284.0
1   1    A       W       M       4     5.0
2   1    A       X       G     188   248.0
3   1    A       X       M       4     5.0
4   1    A       Y       G      37    32.0
5   1    A       Y       M       4     4.0
6   1    A       Z       G     272   329.0
7   1    A       Z       M       4     5.0