python - 对一列进行分组，使其每组中的总和大致相等

Question

将均匀分布的值排序到预定义数量的组中的最简单方法是什么？

data = {'impact':[10,30,20,10,90,60,50,40]}
df = pd.DataFrame(data,index=['a','b','c','d','e','f','g','h'])

print df

   impact
a      10
b      30
c      20
d      10
e      90
f      60
g      50
h      40

numgroups = 4

group_targetsum = round(df.impact.sum() / numgroups, -1)

print group_targetsum

80.0

在上面的例子中，我想从 df 创建 4 个组。唯一的排序标准是每个组中的影响力总和应约等于group_targetsum。影响总和可以在合理的范围内高于或低于 group_targetsum。

最终，我想将这些组分离到它们自己的数据帧中，保留索引。结果是这样的:

print df_a

   impact
e      90

print df_b

   impact
c      20
f      60

print df_c

   impact

a      10
d      10
g      50

print df_d

   impact

b      30
h      40

生成的数据帧不需要完全是这样，只要它们的总和尽可能接近 group_targetsum 即可。

Answer 1

假设该系列中的值相当相似，这里有一种使用 searchsorted 的方法-

In [150]: df
Out[150]: 
   impact
a      10
b      30
c      20
d      10
e      90
f      60
g      50
h      40

In [151]: a = df.values.ravel()

In [152]: shift_num = group_targetsum*np.arange(1,numgroups)

In [153]: idx = np.searchsorted(a.cumsum(), shift_num,'right')

In [154]: np.split(a, idx)
Out[154]: [array([10, 30, 20, 10]), array([90]), array([60]), array([50, 40])]