Как сгруппировать, а затем взвесить значения в соответствии с размером каждой группы

Я хотел бы дать каждому сотруднику пропорциональную долю после продажи. Поэтому сначала мне нужно суммировать количество контактов на одного клиента, которые привели к продаже, а затем разделить вознаграждение между каждым сотрудником, участвующим в этом процессе.

import pandas as pd
df = pd.DataFrame({"Cust_ID":[1,1,1,2,3,3], "Employee": ["A","B","B","C","B","A"], "Purchase":[0,0,1,1,0,1]})

df
Cust_ID Employee  Purchase
0        1        A         0
1        1        B         0
2        1        B         1
3        2        C         1
4        3        B         0
5        3        A         1

Когда для финальной продажи требуется 3 (или более) шагов (Cust_ID = 1), вознаграждения распределяются в 50%, 30% и 20% (0%..). Для 2 шагов 70% и 30%. Один шаг = 100%

Результат должен выглядеть так:

   Cust_ID Employee  Purchase  Reward
0        1        A         0     0.2
1        1        B         0     0.3
2        1        B         1     0.5
3        2        C         1     1.0
4        3        B         0     0.3
5        3        A         1     0.7

Я пытался использовать df["Reward"] = df.groupby("Cust_ID").Purchase.transform("xxx"), но распределенная награда не выполнялась..

Заранее спасибо!

Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
0
0
80
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Сначала давайте увеличим DataFrame:

df['Touch'] = df.groupby('Cust_ID').cumcount()
df['Touches'] = df.groupby('Cust_ID').Employee.count()[df.Cust_ID].values
df['Reward'] = 0.0

Теперь у нас есть базовая установка:

   Cust_ID Employee  Purchase  Touch  Touches  Reward
0        1        A         0      0        3     0.0
1        1        B         0      1        3     0.0
2        1        B         1      2        3     0.0
3        2        C         1      0        1     0.0
4        3        B         0      0        2     0.0
5        3        A         1      1        2     0.0

Наконец, примените правила вознаграждения:

df.loc[df.Touches == 1, 'Reward'] = 1.0
df.loc[(df.Touches == 2) & (df.Touch == 0), 'Reward'] = 0.3
df.loc[(df.Touches == 2) & (df.Touch == 1), 'Reward'] = 0.7
df.loc[(df.Touches == 3) & (df.Touch == 0), 'Reward'] = 0.2
df.loc[(df.Touches == 3) & (df.Touch == 1), 'Reward'] = 0.3
df.loc[(df.Touches == 3) & (df.Touch == 2), 'Reward'] = 0.5

Эту последнюю часть можно было бы сделать более умно, используя np.select(). Это упражнение для читателя.

Другие вопросы по теме