Pandas 识别产生 80 销售额的商品数量

Question

我有每个国家/地区的数据框、产品列表和相关销售额我需要为每个国家/地区确定有多少销量最高的商品，其累计销售额占每个国家/地区所有商品总销售额的 80%。

例如

Cnt Product, units
Italy apple 500
Italy beer 1500
Italy bread 2000
Italy orange 3000
Italy butter 3000

预期结果

Italy 3

(总单位数为 10.000，前 3 名产品 - 黄油、橙子、面包的销售额为 8.000，占总数的 80%)

Answer 1

尝试定义一个函数并应用到 groupby 上:

def get_sale(x, pct=0.8):

    thresh = 0.8 * x.sum()

    # sort values descendingly for top salse
    x=x.sort_values(ascending=False).reset_index(drop=True)

    # store indices of those with cumsum pass threshold
    sale_pass_thresh = x.index[x.cumsum().ge(thresh)]

    return sale_pass_thresh[0] + 1

df.groupby('Cnt').units.apply(get_sale)

输出:

Cnt
Italy    3
Name: units, dtype: int64