在 Pandas 中有效地从 n 个可能性中选择 r 个结果

Question

我有一个 50 年的数据。我需要从中选择 30 年的组合，使它们对应的值达到特定阈值，但 50C30 的可能组合数是 47129212243960。如何高效计算？

          Prs_100      
  Yrs                                                 
  2012  425.189729  
  2013  256.382494  
  2014  363.309507  
  2015  578.728535  
  2016  309.311562  
  2017  476.388839  
  2018  441.479570  
  2019  342.267756  
  2020  388.133403  
  2021  405.007245  
  2022  316.108551  
  2023  392.193322  
  2024  296.545395  
  2025  467.388190  
  2026  644.588971  
  2027  301.086631  
  2028  478.492618  
  2029  435.868944  
  2030  467.464995  
  2031  323.465049  
  2032  391.201598  
  2033  548.911349  
  2034  381.252838  
  2035  451.175339  
  2036  281.921215  
  2037  403.840004  
  2038  460.514250  
  2039  409.134409  
  2040  312.182576 
  2041  320.246886  
  2042  290.163454  
  2043  381.432168  
  2044  259.228592  
  2045  393.841815  
  2046  342.999972  
  2047  337.491898  
  2048  486.139010  
  2049  318.278012  
  2050  385.919542  
  2051  309.472316  
  2052  307.756455  
  2053  338.596315  
  2054  322.508536  
  2055  385.428138  
  2056  339.379743  
  2057  420.428529  
  2058  417.143175 
  2059  361.643381  
  2060  459.861622  
  2061  374.359335

我只需要 Prs_100 平均值达到某个阈值的 30 年组合，然后我可以停止进一步计算 outcomes.On 搜索 SO，我找到了一种使用 apriori 算法，但无法真正弄清楚其中的支持值。

我用过python

的组合方法

 list(combinations(dftest.index,30))

但在这种情况下它不起作用。

预期结果- 假设我找到了一个 30 年的集合，其 Prs_100 的平均值大于 460 ，那么我将保存这 30 年的输出作为结果，这也将是我想要的结果。怎么做？

Answer 1

你可以使用 numpy 的 random.choice:

In [11]: df.iloc[np.random.choice(np.arange(len(df)), 3)]
Out[11]:
         Prs_100
Yrs
2023  392.193322
2047  337.491898
2026  644.588971

Answer 2

我之前的回答有误所以我要再试一次。通过重新阅读您的问题，您似乎正在寻找一个 30 年的结果，其中 Prs_100 值的平均值大于 460。

下面的代码可以做到这一点，但是当我运行它时，我在平均值大约 415 之后开始遇到困难。

在运行之后，您会得到一个年份列表 'years_list' 和一个值列表 'Prs_100_list' 满足均值 > 460（下例中为 415）的标准。

这是我的代码，希望这是您要查找的内容。

from math import factorial
import numpy as np
import pandas as pd
from itertools import combinations
import time

# start a timer
start = time.time()

# array of values to work with, corresponding to the years 2012 - 2062
prs_100 = np.array([
       425.189729, 256.382494, 363.309507, 578.728535, 309.311562,
       476.388839, 441.47957 , 342.267756, 388.133403, 405.007245,
       316.108551, 392.193322, 296.545395, 467.38819 , 644.588971,
       301.086631, 478.492618, 435.868944, 467.464995, 323.465049,
       391.201598, 548.911349, 381.252838, 451.175339, 281.921215,
       403.840004, 460.51425 , 409.134409, 312.182576, 320.246886,
       290.163454, 381.432168, 259.228592, 393.841815, 342.999972,
       337.491898, 486.13901 , 318.278012, 385.919542, 309.472316,
       307.756455, 338.596315, 322.508536, 385.428138, 339.379743,
       420.428529, 417.143175, 361.643381, 459.861622, 374.359335])

# build dataframe with prs_100 as index and years as values, so that  years can be returned easily.
df = pd.DataFrame(list(range(2012, 2062)), index=prs_100, columns=['years'])

df.index.name = 'Prs_100'

# set combination parameters
r =  30
n = len(prs_100)

Prs_100_list = []
years_list = []
count = 0    

for p in combinations(prs_100, r):
    if np.mean(p) > 391 and np.mean(p) < 400:
        Prs_100_list.append(p)
        years_list.append(df.loc[p,'years'].values.tolist())
        # build in some exit
        count += 1
        if count > 100: 
            break

在 Pandas 中有效地从 n 个可能性中选择 r 个结果

Choose r outcomes from n possibilities efficiently in Pandas

python

discrete-mathematics

apriori

pandas