基于Type维度分解Fractional Assignation的数据集处理需求

原始数据集 #

说明：fraction字段为每个ID下对应国家的占比

需求说明 #

需要基于Type维度对数据集进行分解，规则如下：

• 每个ID需生成「该ID下唯一国家数量 × 该ID下唯一Type数量」的行数据
• 新增newfraction字段，计算方式为：当前国家的fraction × （该ID下唯一Type数量的倒数）

示例输出 #

注：示例中Type字段仅作演示，实际需生成该ID下所有唯一Type的组合

解决方案（Python Pandas） #

以下代码可实现需求：

import pandas as pd

# 构造原始数据集
df = pd.DataFrame({
    'ID': [1,1,1,2,2,2,2],
    'Country': ['Austria','Belgium','Belgium','Czech','Denmark','Denmark','Denmark'],
    'Count': [10,10,10,15,15,15,15],
    'fraction': [0.33,0.66,0.66,0.25,0.75,0.75,0.75],
    'Type': ['A','B','B','C','C','D','D']
})

# 1. 提取每个ID下的唯一国家和唯一Type集合
id_country_map = df.groupby('ID')['Country'].unique().reset_index(name='countries')
id_type_map = df.groupby('ID')['Type'].unique().reset_index(name='types')

# 2. 生成国家与Type的笛卡尔积
id_combinations = pd.merge(id_country_map, id_type_map, on='ID')
id_combinations = id_combinations.explode('countries').explode('types')

# 3. 关联原始数据中的Count和fraction（去重避免重复值）
country_base_info = df.drop_duplicates(subset=['ID','Country'])[['ID','Country','Count','fraction']]
result = pd.merge(
    id_combinations,
    country_base_info,
    left_on=['ID','countries'],
    right_on=['ID','Country'],
    how='left'
).drop(columns=['countries']).rename(columns={'types':'Type'})

# 4. 计算newfraction
type_count_per_id = df.groupby('ID')['Type'].nunique().reset_index(name='type_count')
result = pd.merge(result, type_count_per_id, on='ID')
# 若需数值结果
result['newfraction'] = result['fraction'] * (1 / result['type_count'])
# 若需保留表达式形式（如"0.33*0.5"），替换为下面一行
# result['newfraction'] = result['fraction'].astype(str) + '*' + (1/result['type_count']).round(2).astype(str)

# 调整列顺序
result = result[['ID','Country','Count','fraction','Type','newfraction']]

print(result)

代码说明 #

• 通过groupby提取每个ID的唯一国家和Type集合，再用explode生成笛卡尔积组合
• 关联去重后的国家基础信息，确保每个ID+Country的Count和fraction唯一
• 计算每个ID的Type数量，结合fraction得到最终的newfraction值

内容的提问来源于stack exchange，提问作者wilbertosilva