Последовательное вычитание в data.frame в r или python pandas

Я работаю над проектом, в котором распределяю продукты по объектам на основе рангов. Данные следующие:

> product_small

  facility_abbr itemid need_qty rank available_qty
7            NORW 000643        8    1            40
8            CARN 000643       16    2            40
9            NVMC 000643       24    3            40
10           SEBT 000643       24    3            40
11           SNEC 000643       32    5            40
12           SEMC 000643       96    6            40
13           STAN 000643      784    7            40
130          HFAD 034199       35    1             8
131          EAST 034199       40    2             8
132          NVMC 034199      110    3             8
133          HFHH 034199      113    4             8
134          CARN 034199      182    5             8

Здесь есть два продукта: 000634 и 034199, каждый из которых имеет в наличии 40 и 8 штук соответственно. Я надеюсь вычислить выделенное количество для каждого объекта, а также отслеживать остатки, и результаты должны выглядеть примерно так

     facility_abbr itemid need_qty rank available_qty allocated leftover
7            NORW 000643        8    1            40     8      0
8            CARN 000643       16    2            40    16      0
9            NVMC 000643       24    3            40    16      0
10           SEBT 000643       24    3            40     0      0
11           SNEC 000643       32    5            40     0      0
12           SEMC 000643       96    6            40     0      0
13           STAN 000643      784    7            40     0      0
130          HFAD 034199       35    1             8     8      0
131          EAST 034199       40    2             8     0      0
132          NVMC 034199      110    3             8     0      0
133          HFHH 034199      113    4             8     0      0
134          CARN 034199      182    5             8     0      0

Как лучше всего решить эту проблему в пандах R или Python? Я застрял при написании петель ... Большое спасибо!

Не уверен, почему столбец leftover везде 0 ...

— 28.09.2018 17:47

Я пытался отследить оставшееся количество и подумал, что было бы проще, если бы оно было таким же. Но мне понравился твой метод. Я могу просто найти минимум (остаток) для каждого идентификатора элемента, чтобы увидеть, есть ли у какого-либо элемента остатки после процесса распределения. :)

— 28.09.2018 22:11

python r pandas

28.09.2018 14:37

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

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

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

Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:

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

Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.

Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Вот решение dplyr, чтобы избежать петель:

df = read.table(text = "
facility_abbr itemid need_qty rank available_qty
7            NORW 000643        8    1            40
8            CARN 000643       16    2            40
9            NVMC 000643       24    3            40
10           SEBT 000643       24    3            40
11           SNEC 000643       32    5            40
12           SEMC 000643       96    6            40
13           STAN 000643      784    7            40
130          HFAD 034199       35    1             8
131          EAST 034199       40    2             8
132          NVMC 034199      110    3             8
133          HFHH 034199      113    4             8
134          CARN 034199      182    5             8
", header=T)

library(dplyr)

df %>%
  group_by(itemid) %>%
  mutate(leftover = available_qty - cumsum(need_qty),
         allocated = case_when(leftover < 0 & row_number() == 1 ~ available_qty,
                               leftover < 0 & row_number() > 1 ~ lag(leftover),
                               TRUE ~ need_qty),
         allocated = ifelse(allocated < 0, 0, allocated),
         leftover = ifelse(leftover < 0, 0, leftover)) %>%
  ungroup()

# # A tibble: 12 x 7
#   facility_abbr itemid need_qty  rank available_qty leftover allocated
#   <fct>          <int>    <int> <int>         <int>    <dbl>     <dbl>
# 1 NORW             643        8     1            40       32         8
# 2 CARN             643       16     2            40       16        16
# 3 NVMC             643       24     3            40        0        16
# 4 SEBT             643       24     3            40        0         0
# 5 SNEC             643       32     5            40        0         0
# 6 SEMC             643       96     6            40        0         0
# 7 STAN             643      784     7            40        0         0
# 8 HFAD           34199       35     1             8        0         8
# 9 EAST           34199       40     2             8        0         0
#10 NVMC           34199      110     3             8        0         0
#11 HFHH           34199      113     4             8        0         0
#12 CARN           34199      182     5             8        0         0

Большое спасибо! Отлично!

— 28.09.2018 19:59

28.09.2018 17:47