求助：按指定规则为OrderID随机分配CustomerID的Python实现

嗨，我来帮你搞定这个需求！你要的是给OrderID随机分配CustomerID，同时满足两个核心规则：同一OrderID必须绑定同一个CustomerID，每个CustomerID的使用次数（不管是对应同一个订单的多行还是多个订单）不能超过5次。

我猜你用np.random的时候可能没处理好“同一OrderID对应相同CustomerID”的映射关系，或者没控制住CustomerID的重复次数上限。下面给你两种场景的解决方案，对应你描述里的两种可能理解：

场景1：每个CustomerID最多对应5个不同的OrderID（允许同一CustomerID的总行数超过5） #

这种场景下，只要一个CustomerID绑定的唯一OrderID数量不超过5就行，比如示例里123绑定了A01和A03两个OrderID，总行数3次是允许的。

实现代码（用Pandas+Numpy） #

import pandas as pd
import numpy as np
import math

# 假设你的原始数据是这样的DataFrame（可以替换成你自己的数据）
df = pd.DataFrame({
    'OrderID': ['A01', 'A01', 'A02', 'A03', 'A02', 'A04', 'A05', 'A06', 'A07', 'A08', 'A09', 'A10', 'A11']
})

# 步骤1：提取所有唯一的OrderID并随机打乱（保证分配的随机性）
unique_orders = df['OrderID'].unique()
np.random.shuffle(unique_orders)

# 步骤2：计算需要的CustomerID数量（每个最多绑定5个OrderID）
max_orders_per_customer = 5
num_customers = math.ceil(len(unique_orders) / max_orders_per_customer)

# 步骤3：生成CustomerID列表，每个ID重复最多5次，刚好覆盖所有唯一OrderID
customer_ids = []
for cid in range(1, num_customers + 1):
    # 每次添加不超过5个，直到总数量匹配唯一OrderID的数量
    add_num = min(max_orders_per_customer, len(unique_orders) - len(customer_ids))
    customer_ids.extend([cid] * add_num)

# 步骤4：创建OrderID到CustomerID的映射字典
order_customer_map = dict(zip(unique_orders, customer_ids))

# 步骤5：把映射应用到原始数据
df['CustomerID'] = df['OrderID'].map(order_customer_map)

# 验证结果
print("每个CustomerID绑定的唯一OrderID数量：")
print(df.groupby('CustomerID')['OrderID'].nunique())
print("\n同一OrderID是否都对应同一个CustomerID：")
print(df.groupby('OrderID')['CustomerID'].nunique().max() == 1)  # 应该输出True

场景2：每个CustomerID的总行数不超过5次（更严格的限制） #

如果你的需求是CustomerID在整个数据里出现的总行数不能超过5（比如一个客户最多有5行记录，不管是一个订单还是多个订单），那需要用贪心+随机的方式分配：

实现代码 #

import pandas as pd
import numpy as np

# 原始数据
df = pd.DataFrame({
    'OrderID': ['A01', 'A01', 'A02', 'A03', 'A02', 'A04', 'A05']
})

# 步骤1：统计每个OrderID的出现次数，并随机打乱顺序（保证分配随机）
order_counts = df['OrderID'].value_counts().reset_index()
order_counts.columns = ['OrderID', 'RowCount']
order_counts = order_counts.sample(frac=1, random_state=np.random.randint(1000)).reset_index(drop=True)

# 步骤2：初始化CustomerID的使用追踪器和映射字典
customer_usage = {}  # key: CustomerID, value: 已使用的总行数
current_cid = 1
order_customer_map = {}

# 步骤3：给每个OrderID分配CustomerID
for _, row in order_counts.iterrows():
    order_id = row['OrderID']
    needed_rows = row['RowCount']
    
    # 找出所有还有剩余容量（5-已用行数 >= 需要的行数）的CustomerID
    available_cids = [cid for cid, used in customer_usage.items() if (5 - used) >= needed_rows]
    
    if available_cids:
        # 随机选一个可用的CustomerID
        selected_cid = np.random.choice(available_cids)
    else:
        # 没有可用的，新建一个CustomerID
        selected_cid = current_cid
        customer_usage[selected_cid] = 0
        current_cid += 1
    
    # 更新该CustomerID的使用次数
    customer_usage[selected_cid] += needed_rows
    order_customer_map[order_id] = selected_cid

# 步骤4：应用映射到原始数据
df['CustomerID'] = df['OrderID'].map(order_customer_map)

# 验证结果
print("每个CustomerID的总行数：")
print(df['CustomerID'].value_counts())
print("\n同一OrderID是否都对应同一个CustomerID：")
print(df.groupby('OrderID')['CustomerID'].nunique().max() == 1)  # 应该输出True

这两种方案都能解决你的问题，你可以根据实际需求选择。核心思路都是先建立OrderID到CustomerID的映射关系，再把映射应用到原始数据，这样就能保证同一OrderID对应相同的CustomerID，同时控制住CustomerID的使用次数上限。

内容的提问来源于stack exchange，提问作者dennis