Python/Pandas 得到一个限制条件下所有可能的组合
Python/Pandas getting all possible combinations with one restriction
目标 - 我总共有 50 条记录，需要找到薪水 <= 50,000 且 >= 48,000 的 6 名球员的所有可能组合。
如果我只使用大约 20 条记录，下面的代码将起作用，但在尝试将它应用于所有 50 条记录时我总是遇到内存错误。我正在寻找一种方法来优化我的代码，以便在可能的情况下只接受 50k 以下的组合而不像我一样循环。
示例数据（目前总共有 50 条记录）-
ID Salary
0 11282489 11000
1 11282517 10800
2 11282479 10700
3 11282521 10200
4 11282483 10100
5 11282481 10000
当前代码 -
comb = combinations(data['ID'], 6)
comb_list = list(comb)
df_list = []
for i in comb_list:
i = list(i)
if data.loc[data['ID'].isin(i)]['Salary'].sum() <= 50000 and data.loc[data['ID'].isin(i)]['Salary'].sum() >= 48000:
df_list.append(data.loc[data['ID'].isin(i)])
counter +=1
'comb_list' 目前以大约 1500 万个组合结束，这是主要问题。有没有比我目前正在做的更好的应用工资过滤器的方法？
谢谢！
你当然可以避免循环。
找到所有组合，将它们的 ID 映射到薪水，然后计算每个组合的总和。然后将薪水在 48,000 到 50,000
之间的那些组合进行子集化
设置
import pandas as pd
import numpy as np
from itertools import combinations
np.random.seed(123)
df = pd.DataFrame({'ID': np.arange(1,51,1),
'Salary': np.random.randint(7000,12000,50)})
# ID to Salary dictionary
d = df.set_index('ID').Salary.to_dict()
代码
n = 6 # length of combination tuples
# Create df of people and their salary
df2 = pd.DataFrame(list(combinations(df.ID, n)),
columns=['p'+str(i) for i in np.arange(1,n+1,1)])
df2 = pd.concat([df2, df2.replace(d).add_suffix('_salary')], axis=1)
# Subset to those within the range you care about
df2[df2[[col for col in df2.columns if '_salary' in col]].sum(1).between(48000,50000)]
输出
p1 p2 p3 p4 p5 p6 p1_salary p2_salary p3_salary p4_salary p5_salary p6_salary
48465 1 2 6 10 19 32 10582 10454 7096 7111 7039 7588
48481 1 2 6 10 19 48 10582 10454 7096 7111 7039 7371
209845 1 3 5 6 9 10 10582 8346 8593 7096 7942 7111
209854 1 3 5 6 9 19 10582 8346 8593 7096 7942 7039
209883 1 3 5 6 9 48 10582 8346 8593 7096 7942 7371
...
（有188,531种这样的组合）。肯定会有更有效的解决方案。
目标 - 我总共有 50 条记录，需要找到薪水 <= 50,000 且 >= 48,000 的 6 名球员的所有可能组合。
如果我只使用大约 20 条记录，下面的代码将起作用，但在尝试将它应用于所有 50 条记录时我总是遇到内存错误。我正在寻找一种方法来优化我的代码，以便在可能的情况下只接受 50k 以下的组合而不像我一样循环。
示例数据（目前总共有 50 条记录）-
ID Salary
0 11282489 11000
1 11282517 10800
2 11282479 10700
3 11282521 10200
4 11282483 10100
5 11282481 10000
当前代码 -
comb = combinations(data['ID'], 6)
comb_list = list(comb)
df_list = []
for i in comb_list:
i = list(i)
if data.loc[data['ID'].isin(i)]['Salary'].sum() <= 50000 and data.loc[data['ID'].isin(i)]['Salary'].sum() >= 48000:
df_list.append(data.loc[data['ID'].isin(i)])
counter +=1
'comb_list' 目前以大约 1500 万个组合结束，这是主要问题。有没有比我目前正在做的更好的应用工资过滤器的方法？
谢谢！
你当然可以避免循环。
找到所有组合，将它们的 ID 映射到薪水，然后计算每个组合的总和。然后将薪水在 48,000 到 50,000
之间的那些组合进行子集化设置
import pandas as pd
import numpy as np
from itertools import combinations
np.random.seed(123)
df = pd.DataFrame({'ID': np.arange(1,51,1),
'Salary': np.random.randint(7000,12000,50)})
# ID to Salary dictionary
d = df.set_index('ID').Salary.to_dict()
代码
n = 6 # length of combination tuples
# Create df of people and their salary
df2 = pd.DataFrame(list(combinations(df.ID, n)),
columns=['p'+str(i) for i in np.arange(1,n+1,1)])
df2 = pd.concat([df2, df2.replace(d).add_suffix('_salary')], axis=1)
# Subset to those within the range you care about
df2[df2[[col for col in df2.columns if '_salary' in col]].sum(1).between(48000,50000)]
输出
p1 p2 p3 p4 p5 p6 p1_salary p2_salary p3_salary p4_salary p5_salary p6_salary
48465 1 2 6 10 19 32 10582 10454 7096 7111 7039 7588
48481 1 2 6 10 19 48 10582 10454 7096 7111 7039 7371
209845 1 3 5 6 9 10 10582 8346 8593 7096 7942 7111
209854 1 3 5 6 9 19 10582 8346 8593 7096 7942 7039
209883 1 3 5 6 9 48 10582 8346 8593 7096 7942 7371
...
（有188,531种这样的组合）。肯定会有更有效的解决方案。