计算不同类型的开销-Pandas/Numpy-Python

我有两个数据帧：

df1
+------------+-------------+------+
| Product ID | Cost Method | Rate |
+------------+-------------+------+
|         10 | CPM         | 10   |
|         20 | CPC         | 0.3  |
|         30 | CPCV        | 0.4  |
|         40 | FLF         | 100  |
|         50 | VAD         | 0    |
|         60 | CPM         | 0.1  |
+------------+-------------+------+

df2
+--------+------------+-------------+--------+-----------------+
|  Date  | Product ID | Impressions | Clicks | Completed Views |
+--------+------------+-------------+--------+-----------------+
| 01-Jan |         10 |         300 |      4 |               0 |
| 02-Jan |         20 |          30 |      3 |               0 |
| 03-Jan |         30 |         200 |      4 |              20 |
| 02-Jan |         40 |         300 |      4 |               0 |
| 02-Jan |         40 |         500 |      4 |               0 |
| 03-Jan |         40 |         200 |      3 |               0 |
| 04-Jan |         90 |        3000 |      3 |               0 |
| 05-Jan |         50 |        3000 |      5 |               0 |
+--------+------------+-------------+--------+-----------------+

理想的输出是：

 +--------+------------+-------------+--------+-----------------+--------+
|  Date  | Product ID | Impressions | Clicks | Completed Views | Spend  |
+--------+------------+-------------+--------+-----------------+--------+
| 01-Jan |         10 |         300 |      4 |               0 |  $3    |
| 02-Jan |         20 |          30 |      3 |               0 |  $1    |
| 03-Jan |         30 |         200 |      4 |              20 |  $8    |
| 02-Jan |         40 |         300 |      4 |               0 |  $50   |
| 02-Jan |         40 |         500 |      4 |               0 |  $50   |
| 03-Jan |         40 |         200 |      3 |               0 |  $-    |
| 04-Jan |         90 |        3000 |      3 |               0 |  $-    |
| 05-Jan |         50 |        3000 |      5 |               0 |  $-    |
+--------+------------+-------------+--------+-----------------+--------+

其中：

如果某个ID无法匹配，则通过其ID匹配产品，然后 产品支出按0计算

其中，FLF计算为 每天对该产品的总印象的总和，以及 超过某个最低限度，例如600次印数，则 应用。如果同一天有两个或多个条目，则 该比率除以它在列表中出现的次数 当天

其中，如果产品为VAD，则支出为0

其中，CPC计算为点击次数乘以点击率

其中，CPM计算为费率*（印象/1000）

---

即使我真的不应该回答你，我也要回答你。你是新的堆栈溢出（SO），所以让这是一个教育性的文章。请放心，这篇文章的语气并不是试图居高临下或苛刻

---

首先，要问一个恰当的问题（请阅读），你需要做两件事：

• 解释您尝试了什么（提供一个代码示例！），并解释您的问题所在。你的问题在当前的格式中肯定不符合要求。里面有5到6个完全不同的东西，感觉就像你在请别人做你的家庭作业
• 提供一个可行的例子

对于一个可行的例子，您已经这样做了，但是您选择的格式确实令人讨厌，因为无法直接使用

pd.read\u clipboard（）

加载数据。这里的人都是志愿者，如果他们不得不花5到10分钟重新创建你的数据，他们可能不会这么做

我会这样做：

这是第一个数据帧，使用

df1=pd.read\u剪贴板（index\u col=0）

加载它：

ProductID      CostMethod   Rate

10               CPM   10.0
20               CPC    0.3
30              CPCV    0.4
40               FLF  100.0
50               VAD    0.0
60               CPM    0.1

ProductID  Date  Impressions  Clicks  CompletedViews
10         01-Jan          300       4               0
20         02-Jan           30       3               0
30         03-Jan          200       4              20
40         02-Jan          300       4               0
40         02-Jan          500       4               0
40         03-Jan          200       3               0
90         04-Jan         3000       3               0
50         05-Jan         3000       5               0

这是第二个数据帧，使用

df2=pd.read\u剪贴板（index\u col=0）

加载它：

ProductID      CostMethod   Rate

10               CPM   10.0
20               CPC    0.3
30              CPCV    0.4
40               FLF  100.0
50               VAD    0.0
60               CPM    0.1

ProductID  Date  Impressions  Clicks  CompletedViews
10         01-Jan          300       4               0
20         02-Jan           30       3               0
30         03-Jan          200       4              20
40         02-Jan          300       4               0
40         02-Jan          500       4               0
40         03-Jan          200       3               0
90         04-Jan         3000       3               0
50         05-Jan         3000       5               0

---

现在，就做作业而言，这里有一个建议的解决方案。我相信您将尝试理解此代码的作用，而不仅仅是重用它

步骤1：合并两个数据帧

我在df2左边合并，这真的很重要。请阅读有关的pandas文档中的更多内容

第2步：计算你的支出

我们将编写一个自定义函数，然后

---

您可能会注意到，我计算的“花费”与您的不完全相同，但这是因为您最初关于如何计算它的规范不是很好。您可以很容易地更改

calc\u Expense

功能，以满足您的需求。

您好，我无意粗鲁，但这不是一项家庭作业服务。你试过什么吗？你遇到了什么具体的障碍？当然是朱利安！最大的问题是要确保FLF是按一天的总数计算的，然后按发生的次数进行分割。希·朱利安，非常感谢你的帮助。本周我开始使用Python（来自excel），我正在尝试将我的工作文件从excel迁移到Python（边学习边学习）。通常我都能把事情办好。但在这里我真的被难住了。我非常感谢你花时间回答这个问题。这对我来说真的很重要！下次我一定会按照你的建议把我的问题安排得更好

df3['Spend'] = df3.apply(calc_spend, axis=1)
df3