如何基于df1的cartons/blocks比例为Pandas的df2添加loadgroup列？

需求背景 #

已有df1包含loadgroup、纸箱占比（cartons）、托盘占比（blocks）列，明确了1-5号loadgroup各自对应的纸箱和托盘占比；另有df2包含block和cartons列，但无loadgroup字段，总计100个block、29608个cartons。需要为df2的每条记录分配1-5的loadgroup，尽可能贴近df1定义的占比标准。

实现步骤及代码示例 #

以下用Python pandas给出具体分配方案：

1. 准备基础数据

先定义df1的占比数据（替换为你的真实数值），并加载df2的业务数据：

import pandas as pd
import numpy as np

# 示例df1：各loadgroup的目标占比（替换为你的真实数据）
df1 = pd.DataFrame({
    'loadgroup': [1, 2, 3, 4, 5],
    'cartons_pct': [0.26, 0.22, 0.18, 0.17, 0.17],
    'blocks_pct': [0.21, 0.20, 0.20, 0.19, 0.20]
})

# 加载你的df2真实数据（此处为模拟示例）
total_cartons = 29608
total_blocks = 100
df2 = pd.DataFrame({
    'block': range(1, total_blocks + 1),
    'cartons': np.random.randint(100, 500, size=total_blocks)  # 替换为真实cartons数据
})

2. 计算各Load Group的目标分配数量

根据df1的占比计算每个loadgroup需要分配的blocks数量和对应cartons总量，同时修正取整误差确保总数匹配：

# 计算目标数量并取整
df1['target_blocks'] = (df1['blocks_pct'] * total_blocks).round().astype(int)
df1['target_cartons'] = (df1['cartons_pct'] * total_cartons).round().astype(int)

# 修正blocks总数偏差
blocks_diff = total_blocks - df1['target_blocks'].sum()
if blocks_diff != 0:
    # 将差值分配给占比最高的组（可按需调整分配逻辑）
    df1.loc[df1['blocks_pct'].idxmax(), 'target_blocks'] += blocks_diff

# 修正cartons总数偏差
cartons_diff = total_cartons - df1['target_cartons'].sum()
if cartons_diff != 0:
    df1.loc[df1['cartons_pct'].idxmax(), 'target_cartons'] += cartons_diff

3. 为df2分配Load Group

通过排序+切片的方式分配，兼顾cartons和blocks的占比要求：

# 按cartons降序排序，让高cartons的block优先匹配对应占比高的loadgroup
df2_sorted = df2.sort_values('cartons', ascending=False).reset_index(drop=True)

# 生成loadgroup分配列表
loadgroup_list = []
for _, row in df1.iterrows():
    loadgroup_list.extend([row['loadgroup']] * row['target_blocks'])

# 为df2添加loadgroup字段
df2_sorted['loadgroup'] = loadgroup_list

# 验证分配结果的占比
print("实际cartons占比：")
print(df2_sorted.groupby('loadgroup')['cartons'].sum() / total_cartons)
print("\n实际blocks占比：")
print(df2_sorted.groupby('loadgroup').size() / total_blocks)

优化说明 #

• 如果需要更严格地同时匹配两个指标的占比，可使用线性规划（如scipy.optimize.linprog）求解最优分配方案，避免排序法可能带来的偏差。
• 取整误差的分配逻辑可根据业务调整，比如分配给当前偏差最小的组，而非占比最高的组。

内容的提问来源于stack exchange，提问作者Lenny