pandas 按品类销量计算提成金额

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

如给出的数数据，按品类汇总，如果累计数量：

40以下，提成比例为1%；
40及以上，提成比例为2%；
80及以上，提成比例为3%；
100及以上，提成比例为5%

怎么计算每一行的提成金额，提成金额=金额*提成比例。

数据

需求中的数据构造如下：

import pandas as pd

df = pd.DataFrame({'品类': [*'CABABDBA'],
                   '数量': [10,20,30,50,10,40,50,90],
                   '金额': range(100,108,1)
                  })
df
'''
  品类  数量   金额
0  C  10  100
1  A  20  101
2  B  30  102
3  A  50  103
4  B  10  104
5  D  40  105
6  B  50  106
7  A  90  107
'''

要特别注意的是，需求为计算每行的提成金额。

思路

先按品类分组后计算各品类的累计数量，并将这个数量进行分箱操作，不同区间标为对应的提成比例。

将各分组对应的提成转为字典用于原数据表的映射，这样就得到了每行数据对应的提成比例，最后金额与提成比例计算出提成金额。

代码

先试算每个品类分组的累计数量：

df.groupby('品类').数量.sum()
'''
品类
A    160
B     90
C     10
D     40
Name: 数量, dtype: int64
'''

利用 pd.cut() 对以上各品类提成区间进行分箱：

m = pd.cut(df.groupby('品类').数量.sum(),
           bins=[0, 40, 80, 100, float('inf')],
           labels=[0.01, 0.02, 0.03, 0.05]
          )
m
'''
品类
A    0.05
B    0.03
C    0.01
D    0.01
Name: 数量, dtype: category
Categories (4, float64): [0.01 < 0.02 < 0.03 < 0.05]
'''

m.to_dict()
# {'A': 0.05, 'B': 0.03, 'C': 0.01, 'D': 0.01}

以上我们将其转化为字典，未来用于映射操作。

最后，我们按品类映射提成比例，计算最终的提醒金额：

(
    df.assign(提成比例=df.品类.map(m.to_dict()))
    .assign(提成金额=lambda x: x.金额 * x.提成比例)
)
'''
  品类  数量   金额  提成比例  提成金额
0  C  10  100  0.01  1.00
1  A  20  101  0.05  5.05
2  B  30  102  0.03  3.06
3  A  50  103  0.05  5.15
4  B  10  104  0.03  3.12
5  D  40  105  0.01  1.05
6  B  50  106  0.03  3.18
7  A  90  107  0.05  5.35
'''

这样，就完成了需求。

（完）

pandas 按品类销量计算提成金额

数据

思路

代码

相关内容