Pandas groupby сортировать по группам
Я хочу сгруппировать свой файл данных двумя столбцами, а затем отсортировать агрегированные результаты внутри групп.
In [167]:
df
Out[167]:
count job source
0 2 sales A
1 4 sales B
2 6 sales C
3 3 sales D
4 7 sales E
5 5 market A
6 3 market B
7 2 market C
8 4 market D
9 1 market E
In [168]:
df.groupby(['job','source']).agg({'count':sum})
Out[168]:
count
job source
market A 5
B 3
C 2
D 4
E 1
sales A 2
B 4
C 6
D 3
E 7
Теперь я хотел бы отсортировать колонку count в порядке убывания в каждой из групп. А затем возьмите только три верхние строки. Чтобы получить что-то вроде:
count
job source
market A 5
D 4
B 3
sales E 7
C 6
B 4
Ответы
Ответ 1
То, что вы хотите сделать, на самом деле снова является groupby (по результату первой группы): сортируйте и берете первые три элемента на группу.
Начиная с результата первой группы:
In [60]: df_agg = df.groupby(['job','source']).agg({'count':sum})
Мы группируем по первому уровню индекса:
In [63]: g = df_agg['count'].groupby(level=0, group_keys=False)
Затем мы хотим отсортировать ( "упорядочить" ) каждую группу и перенести первые три элемента:
In [64]: res = g.apply(lambda x: x.order(ascending=False).head(3))
Однако для этого есть функция быстрого доступа, nlargest:
In [65]: g.nlargest(3)
Out[65]:
job source
market A 5
D 4
B 3
sales E 7
C 6
B 4
dtype: int64
Ответ 2
Вы могли бы просто сделать это за один раз, выполнив сначала сортировку и используя голову, чтобы взять первые 3 каждой группы.
In[34]: df.sort_values(['job','count'],ascending=False).groupby('job').head(3)
Out[35]:
count job source
4 7 sales E
2 6 sales C
1 4 sales B
5 5 market A
8 4 market D
6 3 market B
Ответ 3
Здесь также приведен пример выбора 3-го списка в отсортированном порядке и сортировки внутри групп:
In [43]: import pandas as pd
In [44]: df = pd.DataFrame({"name":["Foo", "Foo", "Baar", "Foo", "Baar", "Foo", "Baar", "Baar"], "count_1":[5,10,12,15,20,25,30,35], "count_2" :[100,150,100,25,250,300,400,500]})
In [45]: df
Out[45]:
count_1 count_2 name
0 5 100 Foo
1 10 150 Foo
2 12 100 Baar
3 15 25 Foo
4 20 250 Baar
5 25 300 Foo
6 30 400 Baar
7 35 500 Baar
### Top 3 on sorted order:
In [46]: df.groupby(["name"])["count_1"].nlargest(3)
Out[46]:
name
Baar 7 35
6 30
4 20
Foo 5 25
3 15
1 10
dtype: int64
### Sorting within groups based on column "count_1":
In [48]: df.groupby(["name"]).apply(lambda x: x.sort_values(["count_1"], ascending = False)).reset_index(drop=True)
Out[48]:
count_1 count_2 name
0 35 500 Baar
1 30 400 Baar
2 20 250 Baar
3 12 100 Baar
4 25 300 Foo
5 15 25 Foo
6 10 150 Foo
7 5 100 Foo
Ответ 4
Если вам не нужно суммировать столбец, используйте ответ @tvashtar. Если вам нужно суммировать, вы можете использовать ответ @joris или тот, который очень похож на него.
df.groupby(['job']).apply(lambda x: (x.groupby('source')
.sum()
.sort_values('count', ascending=False))
.head(3))
