pandas groupby分組對象的組內(nèi)排序解決方案
問題：
根據(jù)數(shù)據(jù)某列進行分組，選擇其中另一列大小top-K的的所在行數(shù)據(jù)
解析：
求解思路很清晰，即先用groupby對數(shù)據(jù)進行分組，然后再根據(jù)分組后的某一列進行排序，選擇排序結(jié)果后的top-K結(jié)果
案例：
取一下dataframe中B列各對象中C值最高所在的行
df = pd.DataFrame({"A": [2, 3, 5, 4], "B": ['a', 'b', 'b', 'a'], "C": [200801, 200902, 200704, 201003]})
Groupby的基本功能介紹
groupby以后返回DataFrameGroupBy對象，實際上還沒有進行任何計算，只是一個暫時存儲的容器，
[In]df.groupby('B')
[Out]<pandas.core.groupby.DataFrameGroupBy object at 0x11800f588>
對groupby結(jié)果進行簡單的列選取返回的也是DataFrameGroupBy/SeriesGroupBy對象，無法可視化
[In]df.groupby('B')['A'] # 返回SeriesGroupBy對象
[Out]<pandas.core.groupby.SeriesGroupBy object at 0x117f6b630>
[In]df.groupby('B')['A','C'] # 返回DataFrameGroupBy對象
[Out]<pandas.core.groupby.DataFrameGroupBy object at 0x117fb84e0>
需要對DataFrameGroupBy進行計數(shù)、統(tǒng)計、agg聚合計算、apply映射計算和transform等操作，才能生成可視化的數(shù)據(jù)(下文僅以count和size函數(shù)為例展示，不涉及其它的操作)
[In] df.groupby('B', as_index=False)['A'].count() # 組內(nèi)數(shù)據(jù)統(tǒng)計
[Out] B A
0 a 2
1 b 2
[In] df.groupby('B')['A'].size().reset_index(name='Size') # 組內(nèi)數(shù)據(jù)統(tǒng)計，size和count的一個顯著區(qū)別在于count不考慮Nan，size考慮Nan
[Out] B Size
0 a 2
1 b 2
解決方案一：
對DataFrameGroupBy對象，用apply函數(shù)進行某列的sort_values排序，再選出其中的最大值所在行
# 返回值是一個帶有multiindex的dataframe數(shù)據(jù)，其中l(wèi)evel=0為groupby的by列，而level=1為原index
[In] df.groupby('B').apply(lambda x: x.sort_values('C', ascending=False))
[Out] A B C
B
a 3 4 a 201003
0 2 a 200801
b 1 3 b 200902
2 5 b 200704
# 通過設(shè)置group_keys參數(shù)對multiindex進行優(yōu)化
[In] df.groupby('B', group_keys=False).apply(lambda x: x.sort_values('C', ascending=False))
[Out] A B C
3 4 a 201003
0 2 a 200801
1 3 b 200902
2 5 b 200704
# 再次groupby，并調(diào)用內(nèi)置的first()方法，取最大值
[In] df.groupby('B', group_keys=False).apply(lambda x: x.sort_values('C', ascending=False)).groupby('B').first().reset_index()
[Out] B A C
0 a 4 201003
1 b 3 200902
解決方案二：
先對B進行整體的sort_values，在groupy取值
[In] df.sort_values('C', ascending=False).groupby('B').first().reset_index()
[Out] B A C
0 a 4 201003
1 b 3 200902
問題拓展：
以上僅解決了Top-1的問題，如果是Top-k呢？
答案：將first()函數(shù)變?yōu)閔ead()函數(shù)
[In] df.sort_values('C', ascending=False).groupby('B').head(2)
[Out] A B C
3 4 a 201003
1 3 b 200902
0 2 a 200801
2 5 b 200704
總結(jié)：
1、方案二，即先排序再groupby取值更方便
2、pandas中API眾多，在實際使用時要捋清各步驟返回值的類型以方便記憶和聯(lián)想
補充：pandas分組groupby、agg，排序sort，連接concat、join
連接concat和join
橫向連接
pd.concat([df6,df7],axis=1) df6.join(df7) # df6的表格在前面，如需df7的表格在前需要交換位置
注意點：
1、concat這個方法，既可以實現(xiàn)橫向連接，也可以實現(xiàn)縱向連接，通過設(shè)置axis的值來控制，axis=1表示的是橫向連接，如果多個連接的對象，放在列表中
2、join也可以實現(xiàn)
縱向連接
pd.concat([df8,df9],ignore_index=True)
注意點：
1、進行縱向合并的數(shù)據(jù)，需要用[]集合起來
2、ignore_index忽略原有的行索引，重新排列
3、drop_duplicates()刪除重復(fù)數(shù)據(jù)
排序
#按照成績排序
df10.sort_values('score')
#默認(rèn)升序，從小到大
df10.sort_values(['score','group'],ascending=False,na_position='first')
#sort各個屬性
| 參數(shù) | 描述 |
|---|---|
| by | 字符串或者列表，如果是單個排序字段，使用的是字符串，如果指定多個，需要使用列表 |
| ascending | True的時候，是按照升序，默認(rèn)是升序 |
| na_position | 表示的是空值的位置，'last'是默認(rèn)的，'first'開始位置 |
分組
### groupby
df11.groupby('class')
df11.groupby(['class','grade'])
for cls,data in df11.groupby(['class','grade']):
print(cls)
print(data)
注意點：
1、groupby 如果指定的是一個列，如果是多個列[]
2、groupby返回的是一個對象，所以不能直接訪問，可以使用for
篩選出分組之后的列
如果篩選出一列數(shù)據(jù)[[列名]]，返回的是dataframe對象
如果篩選出多個列數(shù)據(jù)，直接使用[]和[[]]均可
總結(jié)[[列1，列2，。。。。]]
聚合函數(shù) agg配合使用
dff.groupby('class')[['math']].agg(['mean','max','min','median','std'])
| 函數(shù) | 描述 |
|---|---|
| mean | 均值 |
| max | 最大值 |
| min | 最小值 |
| median | 中位數(shù) |
| std | 標(biāo)準(zhǔn)差 |
| count | 計數(shù) |
| skew | 偏度 |
| quantile | 指定分位數(shù) |
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。
- Pandas實現(xiàn)groupby分組統(tǒng)計方法實例
- pandas中g(shù)roupby操作實現(xiàn)
- pandas中df.groupby()方法深入講解
- pandas?groupby?用法實例詳解
- Pandas數(shù)據(jù)分析之groupby函數(shù)用法實例詳解
- pandas中pd.groupby()的用法詳解
- 詳解Pandas中GroupBy對象的使用
- Pandas實現(xiàn)groupby分組統(tǒng)計的實踐
- Pandas中GroupBy具體用法詳解
- Pandas高級教程之Pandas中的GroupBy操作
- Pandas groupby apply agg 的區(qū)別 運行自定義函數(shù)說明
- pandas groupby()的使用小結(jié)
相關(guān)文章
python進行數(shù)據(jù)預(yù)處理的4個重要步驟
在數(shù)據(jù)科學(xué)項目中，數(shù)據(jù)預(yù)處理是最重要的事情之一，本文詳細給大家介紹python進行數(shù)據(jù)預(yù)處理的4個重要步驟：拆分訓(xùn)練集和測試集，處理缺失值，處理分類特征和進行標(biāo)準(zhǔn)化處理,需要的朋友可以參考下2023-06-06
這篇文章主要給大家介紹了關(guān)于Python實現(xiàn)E-Mail收集插件的相關(guān)資料，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面來一起看看吧2019-02-02
這篇文章主要介紹了Django Xadmin多對多字段過濾實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-04-04
Python+gensim實現(xiàn)文本相似度分析詳解
這篇文章主要介紹了Python+gensim實現(xiàn)文本相似度分析詳解,在開發(fā)中我們會遇到進行文本相似度分析的需求，計算文本相似度，用于鑒別文章是否存在抄襲,需要的朋友可以參考下2023-07-07
dataclass是從Python3.7版本開始,作為標(biāo)準(zhǔn)庫中的模塊被引入,隨著Python版本的不斷更新,dataclass也逐步發(fā)展和完善,為Python開發(fā)者提供了更加便捷的數(shù)據(jù)類創(chuàng)建和管理方式,本文總結(jié)了幾個我平時使用較多dataclass技巧,需要的朋友可以參考下2024-03-03
這篇文章主要為大家詳細介紹了使用python實現(xiàn)微信自動回復(fù)功能，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-04-04
Python爬蟲學(xué)習(xí)之requests的使用教程
requests庫是一個常用的用于?http?請求的模塊，它使用?python?語言編寫，可以方便的對網(wǎng)頁進行爬取。本文將通過示例詳細講講requests庫的使用，需要的可以參考一下2022-08-08
使用 setuptools 在 Python 中安裝 egg
Eggs 是 Python 中以前使用的一種分發(fā)格式,它包含特定項目所需的信息,從依賴項到環(huán)境變量,在本文中,我們將討論如何在 Python 中安裝 egg 文件,以及可用于實現(xiàn)此操作的工具,感興趣的朋友一起看看吧2023-08-08
這篇文章主要為大家介紹了OpenCV特征匹配和單應(yīng)性矩陣查找對象詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2023-04-04
今天小編就為大家分享一篇pytorch的梯度計算以及backward方法詳解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-01-01