pandas groupby分組對(duì)象的組內(nèi)排序解決方案
問題：
根據(jù)數(shù)據(jù)某列進(jìn)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(duì)數(shù)據(jù)進(jìn)行分組，然后再根據(jù)分組后的某一列進(jìn)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(duì)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(duì)象，實(shí)際上還沒有進(jìn)行任何計(jì)算，只是一個(gè)暫時(shí)存儲(chǔ)的容器，
[In]df.groupby('B')
[Out]<pandas.core.groupby.DataFrameGroupBy object at 0x11800f588>
對(duì)groupby結(jié)果進(jìn)行簡單的列選取返回的也是DataFrameGroupBy/SeriesGroupBy對(duì)象，無法可視化
[In]df.groupby('B')['A'] # 返回SeriesGroupBy對(duì)象
[Out]<pandas.core.groupby.SeriesGroupBy object at 0x117f6b630>
[In]df.groupby('B')['A','C'] # 返回DataFrameGroupBy對(duì)象
[Out]<pandas.core.groupby.DataFrameGroupBy object at 0x117fb84e0>
需要對(duì)DataFrameGroupBy進(jìn)行計(jì)數(shù)、統(tǒng)計(jì)、agg聚合計(jì)算、apply映射計(jì)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(jì)
[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(jì)，size和count的一個(gè)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(duì)DataFrameGroupBy對(duì)象，用apply函數(shù)進(jìn)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(gè)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(duì)multiindex進(jìn)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(duì)B進(jìn)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(shí)際使用時(shí)要捋清各步驟返回值的類型以方便記憶和聯(lián)想
補(bǔ)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(diǎn)：
1、concat這個(gè)方法，既可以實(shí)現(xiàn)橫向連接，也可以實(shí)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(gè)連接的對(duì)象，放在列表中
2、join也可以實(shí)現(xiàn)
縱向連接
pd.concat([df8,df9],ignore_index=True)
注意點(diǎn)：
1、進(jìn)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(gè)屬性
| 參數(shù) | 描述 |
|---|---|
| by | 字符串或者列表，如果是單個(gè)排序字段，使用的是字符串，如果指定多個(gè)，需要使用列表 |
| ascending | True的時(shí)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(diǎn)：
1、groupby 如果指定的是一個(gè)列，如果是多個(gè)列[]
2、groupby返回的是一個(gè)對(duì)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(duì)象
如果篩選出多個(gè)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(jì)數(shù) |
| skew | 偏度 |
| quantile | 指定分位數(shù) |
以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教。
- Pandas實(shí)現(xiàn)groupby分組統(tǒng)計(jì)方法實(shí)例
- pandas中g(shù)roupby操作實(shí)現(xiàn)
- pandas中df.groupby()方法深入講解
- pandas?groupby?用法實(shí)例詳解
- Pandas數(shù)據(jù)分析之groupby函數(shù)用法實(shí)例詳解
- pandas中pd.groupby()的用法詳解
- 詳解Pandas中GroupBy對(duì)象的使用
- Pandas實(shí)現(xiàn)groupby分組統(tǒng)計(jì)的實(shí)踐
- Pandas中GroupBy具體用法詳解
- Pandas高級(jí)教程之Pandas中的GroupBy操作
- Pandas groupby apply agg 的區(qū)別 運(yùn)行自定義函數(shù)說明
- pandas groupby()的使用小結(jié)
相關(guān)文章
關(guān)于Python 內(nèi)置庫 itertools
今天得這篇文章就來給大家介紹一下Python的系統(tǒng)庫itertools的 相關(guān)資料,需要的小伙伴可以參考下面文章的具體內(nèi)容2021-09-09
這篇文章主要介紹了Python生成隨機(jī)數(shù)的方法，有需要的朋友可以參考一下2014-01-01
Python通用唯一標(biāo)識(shí)符uuid模塊使用案例
這篇文章主要介紹了Python通用唯一標(biāo)識(shí)符uuid模塊使用案例,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-09-09
Python中關(guān)于Sequence切片的下標(biāo)問題詳解
這篇文章主要給大家介紹了Python中關(guān)于Sequence切片下標(biāo)問題的相關(guān)資料，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面來一起看看吧。2017-06-06
相信在平常實(shí)際工作當(dāng)中，需要對(duì)整體的項(xiàng)目做一個(gè)梳理，這時(shí)如果有一個(gè)網(wǎng)頁應(yīng)用能夠?qū)φw項(xiàng)目有一個(gè)可視化頁面的展示，是不是會(huì)對(duì)你的實(shí)際工作有所幫助呢？今天小編就通過Python+Streamlit框架來繪制甘特圖并制作可視化大屏，需要的可以參考一下2023-04-04
Python讀取excel文件中帶公式的值的實(shí)現(xiàn)
這篇文章主要介紹了Python讀取excel文件中帶公式的值的實(shí)現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-04-04
蜂群圖可以不重疊的顯示各數(shù)據(jù)點(diǎn)的分布,相對(duì)于散點(diǎn)圖,所繪制的點(diǎn)彼此靠近且不會(huì)重疊,能有效呈現(xiàn)出點(diǎn)分布的局部密度信息,本文給大家介紹了如何利用python繪制蜂群圖,文中有詳細(xì)的代碼示例供大家參考,需要的朋友可以參考下2024-03-03
Python代碼實(shí)現(xiàn)列表分組計(jì)數(shù)
這篇文章主要介紹了Python代碼實(shí)現(xiàn)列表分組計(jì)數(shù)，利用Python代碼實(shí)現(xiàn)了使用分組函數(shù)對(duì)列表進(jìn)行分組，并計(jì)算每組的元素個(gè)數(shù)的功能,需要的朋友可以參考一下2021-11-11
解決tensorflow讀取本地MNITS_data失敗的原因
這篇文章主要介紹了解決tensorflow讀取本地MNITS_data失敗的原因，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-06-06
python與matlab一些常用函數(shù)互轉(zhuǎn)問題
這篇文章主要介紹了python與matlab一些常用函數(shù)互轉(zhuǎn),包括十六進(jìn)制字節(jié)流數(shù)據(jù)的相關(guān)知識(shí)，本文通過示例代碼給大家講解的非常詳細(xì)，需要的朋友可以參考下2022-12-12