为时间膨胀多变量Dataframe创建保留各项目初始比率的新列

初始Dataframe数据 #

产品名称表 #

计数值表 #

比率值表 #

需求说明 #

需要新增五列InitialRatio1至InitialRatio5，每列对应原表中同位置产品在整个Dataframe里的初始比率（即该产品第一次出现时对应的比率值）。预期输出如下：

预期输出（仅新增列） #

解决步骤（基于Pandas） #

1. 合并初始数据为单个Dataframe #

先把三个表格合并，方便后续统一处理：

import pandas as pd

# 构造产品名称Dataframe
products_df = pd.DataFrame(
    [["straws", "orange", "melon", "chair", "bread"],
     ["melon", "milk", "book", "coffee", "cake"],
     ["bread", "melon", "coffe", "chair", "book"]],
    columns=["product1", "product2", "product3", "product4", "product5"]
)

# 构造计数值Dataframe
counts_df = pd.DataFrame(
    [[1,1,1,1,1], [2,1,1,1,1], [2,3,2,2,2]],
    columns=["CountProduct1", "CountProduct2", "CountProduct3", "Countproduct4", "Countproduct5"]
)

# 构造比率值Dataframe
ratios_df = pd.DataFrame(
    [[0.28,0.54,0.33,0.35,0.11], [0.67,0.25,0.13,0.11,0.59], [2.5,1.69,1.9,2.5,1.52]],
    columns=["RatioProduct1", "RatioProduct2", "RatioProduct3", "Ratioproduct4", "Ratioproduct5"]
)

# 合并三个Dataframe
df = pd.concat([products_df, counts_df, ratios_df], axis=1)

2. 构建产品-初始比率映射字典 #

遍历所有产品列，记录每个产品第一次出现时对应的比率值：

product_initial_ratio = {}

# 遍历每一组产品列和对应比率列
for i in range(1, 6):
    product_col = f"product{i}"
    # 注意原比率列名的大小写不一致，单独处理第4列
    ratio_col = f"RatioProduct{i}" if i !=4 else "Ratioproduct4"
    
    for product, ratio in zip(df[product_col], df[ratio_col]):
        if product not in product_initial_ratio:
            product_initial_ratio[product] = ratio

3. 生成目标初始比率列 #

根据映射字典，为每个产品位置匹配对应的初始比率：

# 生成五列InitialRatio
for i in range(1, 6):
    product_col = f"product{i}"
    new_col = f"InitialRatio{i}"
    df[new_col] = df[product_col].map(product_initial_ratio)

# 查看新增列结果
print(df[["InitialRatio1", "InitialRatio2", "InitialRatio3", "InitialRatio4", "InitialRatio5"]])

运行代码后，新增列的结果将与预期输出完全一致。

内容的提问来源于stack exchange，提问作者Bry Sab