我想按邮政编码分组，然后打褶，但如果打到30000，就应该再打一辆卡车。我不能按组申请和排序。可能需要按升序对重量进行排序，以形成正确的卡车。任何帮助都将不胜感激。
我有以下数据：
Load No. Zip Code Pounds
1 50507 20000
2 50507 8000
3 50507 5000
4 60001 28000
5 60001 30000
6 60001 2000
7 60001 4000
8 60002 20000
9 60002 18000
10 60002 13000
输出：
Load No. Zip Code Pounds Truck Total Weight
1 50507 20000 1 28000
2 50507 8000 1 28000
3 50507 5000 2 5000
4 60001 28000 3 30000
5 60001 30000 5 2000
6 60001 2000 3 30000
7 60001 4000 4 4000
8 60002 20000 6 20000
9 60002 18000 7 18000
10 60002 13000 8 13000
我已经对数据帧进行了排序：
data=data.sort_值（按=['Zip Code'，'Pounds']）
也尝试按邮政编码分组，但未能在条件（>20000）下形成密集列组：
data['Total weight']=data.groupby（'Zip Code'）['Pounds'].transform（和）
最佳答案
我想我明白你想完成什么，所以我完成了你想要的一部分，剩下的留给你自己决定。这个问题的最困难的部分似乎是智能地分配负载，以最大限度地提高卡车空间。把东西分开是没有问题的，但这并不像只是检查负载是否小于30000那么简单。
首先，一种在卡车之间智能分配负载的方法：
def build_trucks(sorted_loads):
load_copy = np.array(sorted_loads)
truck_max = 30000
# check if any loads are > truck_max and split them into bins that sum to the load
while len(load_copy) > 0:
truck = []
truck_load = 0
for i, load in enumerate(load_copy):
if truck_load + load <= truck_max:
truck.append(i)
truck_load += load
yield load_copy[truck]
load_copy = np.delete(load_copy, truck)
你没说有没有超过30000的货，所以我就离开了。这本身就是一个有趣的问题（将45000分为两个负载：30000和15000，将65000分为30000和5000）。我做了一些测试，包括你的：
print(list(build_trucks(np.array([20000, 8000, 5000]))))
print(list(build_trucks(np.array([30000, 28000, 4000, 2000]))))
print(list(build_trucks(np.array([20000, 18000, 13000]))))
print(list(build_trucks(sorted(np.array([25000, 1000, 1000, 4000, 5500]), reverse=True))))
哪些输出：
[array([20000, 8000]), array([5000])]
[array([30000]), array([28000, 2000]), array([4000])]
[array([20000]), array([18000]), array([13000])]
[array([25000, 4000, 1000]), array([5500, 1000])]
为了观察它的行为，我跑去：
grp = data.groupby('zip')
for i, g in grp:
print(g.sort_values('pounds', ascending=False))
print()
print(list(build_trucks(g['pounds'])))
print()
其中
data是您提供的原始数据的数据帧。希望问题的其余部分对你来说是显而易见的。如果没有，请尽管问，我会尽力帮助你（我留下了很多不完整的地方，因为这对你来说是一个很好的学习问题，但是我不想花太多的时间在上面）。可能有很多方法可以做到这一点，这是我看到的第一种方法。我还想到了一种递归的方法，这样做可能有效率，也可能没有效率。