You need to enable JavaScript to run this app. 合并DataFrame并按指定条件分组计算期望占比及对应期望计数
优惠活动
大模型
产品
解决方案
定价
更多

合并DataFrame并按指定条件分组计算期望占比及对应期望计数

合并DataFrame并计算期望数值的实现方案

实现逻辑

  • 以Sports为关联键合并df1和df2,匹配各运动对应的期望占比Expected_%
  • 按Region分组统计每个区域的总参与人数(Count求和)
  • 用区域总人数 * 对应运动的期望占比 / 100,计算得到Expected_count

代码实现

import pandas as pd

# 示例数据构造,实际使用时替换为你自己的df1、df2读取逻辑即可
df1 = pd.DataFrame({
    'Sports': ['Cricket', 'Football', 'Tennis'],
    'Expected_%': [70, 20, 10]
})

df2 = pd.DataFrame({
    'Region': ['North', 'North', 'North', 'South', 'South', 'South'],
    'Sports': ['Cricket', 'Football', 'Tennis', 'Cricket', 'Football', 'Tennis'],
    'Count': [800, 50, 150, 1300, 550, 150],
    'Percentage': [75, 5, 20, 65, 27.5, 7.5]
})

# 合并匹配期望占比
merged_df = pd.merge(df2, df1, on='Sports', how='left')
# 计算每个区域总人数
merged_df['region_total'] = merged_df.groupby('Region')['Count'].transform('sum')
# 计算期望人数
merged_df['Expected_count'] = merged_df['region_total'] * merged_df['Expected_%'] / 100
# 剔除临时字段得到最终结果
final_df = merged_df.drop(columns='region_total')
print(final_df)

输出结果

Region    Sports  Count  Percentage  Expected_%  Expected_count
0  North   Cricket    800        75.0          70           700.0
1  North  Football     50         5.0          20           200.0
2  North    Tennis    150        20.0          10           100.0
3  South   Cricket   1300        65.0          70          1400.0
4  South  Football    550        27.5          20           400.0
5  South    Tennis    150         7.5          10           200.0

内容的提问来源于stack exchange,提问作者Danish

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.14 09:06:03