按工单数量累计占比从DataFrame提取记录的Python解决方案

问题分析 #

你之前的错误在于用nlargest时，把总和的百分比数值转成整数当行数参数传进去，这逻辑完全不对——nlargest的第一个参数是要取的行数，不是累计数值阈值，自然得不到正确结果。正确思路是先按工单数量降序排序，计算累计和，再筛选累计和达到对应百分比阈值的所有记录。

完整代码 #

import pandas as pd

# 构造示例DataFrame（已有真实数据可替换这部分）
data = {
    '序列号': ['abc', 'cde', 'def', 'efg', 'fgh', 'ghi'],
    '工单数量': [16, 15, 14, 14, 12, 10]
}
df = pd.DataFrame(data)

# 计算工单数量总和
total_work_orders = df['工单数量'].sum()

# 按工单数量降序排序，从数量最多的条目开始累计
df_sorted = df.sort_values('工单数量', ascending=False).reset_index(drop=True)

# 生成累计工单数量列
df_sorted['累计工单数量'] = df_sorted['工单数量'].cumsum()

# 定义25%、50%、75%对应的阈值
thresholds = [total_work_orders * p for p in [0.25, 0.5, 0.75]]

# 提取累计和首次达到/超过阈值的所有记录
def get_target_records(sorted_df, threshold):
    first_idx = sorted_df[sorted_df['累计工单数量'] >= threshold].index[0]
    return sorted_df.iloc[:first_idx + 1]

# 获取各阈值对应的结果
df_25 = get_target_records(df_sorted, thresholds[0])
df_50 = get_target_records(df_sorted, thresholds[1])
df_75 = get_target_records(df_sorted, thresholds[2])

# 输出结果
print("累计工单数量达到总和25%的记录：")
print(df_25)
print("\n累计工单数量达到总和50%的记录：")
print(df_50)
print("\n累计工单数量达到总和75%的记录：")
print(df_75)

代码说明 #

1. 排序：按工单数量降序排列，保证从数量最多的条目开始累计，符合常规的优先级分析逻辑。
2. 累计和计算：用cumsum()生成累计列，直观展示从第一条到当前条的工单总数。
3. 阈值筛选：通过自定义函数定位累计和首次超过目标阈值的位置，提取从开头到该位置的所有记录，确保累计和刚好满足百分比要求。

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