如何在Python Pandas中按值排序选取行至总值的30%

核心思路 #

先对DataFrame按Value列排序，再计算排序后Value的累计和，筛选出累计和不超过总值30%的行；若排序后首个值已超过阈值，可调整逻辑选取最接近的行。

基础实现（累计和不超过阈值） #

假设你需要优先选取数值大的行（降序排序），代码如下：

# 链式写法
out = df.sort_values('Value', ascending=False).loc[lambda d: d['Value'].cumsum().le(df['Value'].sum() * 0.3)]

# 分步写法更易理解
# 1. 按Value降序排序
sorted_df = df.sort_values('Value', ascending=False)
# 2. 计算总值的30%作为阈值
threshold = df['Value'].sum() * 0.3
# 3. 筛选累计和<=阈值的行
out = sorted_df.loc[sorted_df['Value'].cumsum().le(threshold)]

如果需要从小到大选取行，只需将sort_values中的ascending=False改为ascending=True。

边界情况处理（首个值即超过阈值） #

以你的数据为例，总值为81，30%阈值是24.3，降序排序后首个值43已超过阈值，上述代码会返回空DataFrame。若需要选取最接近阈值的行（即使超过），可使用以下代码：

sorted_df = df.sort_values('Value', ascending=False)
threshold = df['Value'].sum() * 0.3
cum_sum = sorted_df['Value'].cumsum()
# 找到第一个累计和超过阈值的位置，取到该行
idx = cum_sum.gt(threshold).idxmax()
out = sorted_df.loc[:idx]

这段代码会返回ID=999, Value=43的行，是最接近阈值的单行结果。

内容的提问来源于stack exchange，提问作者Mary