使用 Python 进行方差分析 [已关闭]

问：

我需要将方差驱动因素解释为 abs 阈值，在我的情况下是 50,000。我的想法是使用 abs 值 % 的整体和方差标志。在提供的 DateFrame 中，我将从 var -1,300,000 的“Basic LLC”开始，因为它的“abs_comp”是最大的。由于它大于 50k，我需要找到下一个最大的abs_comp并且“var_sign” = 1 作为偏移量。在我的例子中，它将是“大公司”，所以 -1,300,000 + 950,000 = -350,000。这仍然高于 abs thresh 并且是一个负值，所以我需要找到下一个最大的“abs_comp”值，该值具有“var_sign”= 1。这是“通用公司”，所以 1,300,000 + 950,000 + 320,000 = 30,000。这低于我的腹肌，我想返回一个 df，它是用于计算到阈值的行。

我认为这是迭代器实现的一个很好的例子。我只是不知道在哪里添加标牌的反转并跟踪已计算的内容。

import pandas as pd
data = {
    'Vendor': ['Generic Co', 'Basic LLC', 'Big Corp', "Small Co", "Mid Mkt", "Name"],
    'Actuals': [100000, 1300000, 50000, 1500000, 97000, 45000],
    'Budget': [420000, 0, 1000000, 1000000, 97000, 50000]
}

df = pd.DataFrame(data)
df['var'] = df['Budget'] - df['Actuals']
df['var_abs'] = abs(df['var'])
df['abs_comp'] = (df['var_abs']/ df['var_abs'].sum())*100

df = df.sort_values('abs_comp', ascending = False).reset_index(drop=True)
df['var_sign'] = pd.np.sign(df['var'])

total_var = 0
result_rows = []
for index, row in df.iterrows():
    total_var += row['var'] * row['var_sign'] #how do I .loc and ensure signage here
    result_rows.append(row)
    
    if abs(total_var) >= threshold:
        break

result_df = pd.DataFrame(result_rows)