如何用Python复现Excel固定占比账户分布及月度求和

核心逻辑拆解 #

• 计算已结清账户：已分配账户 × 17%
• 月度分配：将已结清账户按固定比例数组[0.46, 0.36, 0.06, 0.03, 0.02, 0.01, 0.01]分配至后续7个月份
• 月度汇总：对所有月度分配列垂直求和，生成合计表

完整代码实现 #

假设你已有的两组数据集格式如下，以下是完整的复现代码：

import pandas as pd

# 示例两组Assigned Accounts数据集（替换为你的实际数据）
data_set1 = pd.DataFrame({
    '日期': ['2023-01-01', '2023-02-01'],
    'Assigned Accounts': [1000, 2000]
})

data_set2 = pd.DataFrame({
    '日期': ['2023-03-01', '2023-04-01'],
    'Assigned Accounts': [1500, 2500]
})

# 合并两组数据
df = pd.concat([data_set1, data_set2], ignore_index=True)

# 1. 计算已结清账户
df['Settled Accounts'] = df['Assigned Accounts'] * 0.17

# 2. 定义月度分配比例并生成对应列
monthly_ratios = [0.46, 0.36, 0.06, 0.03, 0.02, 0.01, 0.01]
for idx, ratio in enumerate(monthly_ratios, start=1):
    df[f'月度{idx}'] = df['Settled Accounts'] * ratio

# 3. 生成月度合计汇总表
monthly_summary = df.filter(regex='^月度').sum().reset_index()
monthly_summary.columns = ['月度', '合计值']

# 输出结果
print("带月度分配的完整数据表：")
print(df)
print("\n月度合计汇总表：")
print(monthly_summary)

代码关键说明 #

• 数据合并：用pd.concat快速合并多组数据集，保证后续处理统一
• 已结清账户计算：直接通过列运算完成，高效且符合Pandas最佳实践
• 月度列生成：循环遍历比例数组，动态创建对应月度列，避免重复代码
• 汇总计算：用filter(regex='^月度')精准筛选月度列，sum()实现垂直求和，最后重置索引调整表结构

结果说明 #

运行后会得到两个核心输出：

1. 包含原始日期、已分配账户、已结清账户及7个月度分配值的完整数据表
2. 仅展示月度与对应合计值的汇总表，完全匹配Excel中的计算逻辑

内容的提问来源于stack exchange，提问作者Romi