pandy grupuj według sortowania w grupach

166

Chcę pogrupować moją ramkę danych według dwóch kolumn, a następnie posortować zagregowane wyniki w grupach.

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

Chciałbym teraz posortować kolumnę zliczania w porządku malejącym w każdej z grup. A potem weź tylko trzy górne rzędy. Aby uzyskać coś takiego:

            count
job     source  
market  A   5
        D   4
        B   3
sales   E   7
        C   6
        B   4
JoeDanger
źródło

Odpowiedzi:

147

To, co chcesz zrobić, to w rzeczywistości ponownie grupowanie według (na wyniku pierwszego grupowania): posortuj i weź pierwsze trzy elementy na grupę.

Zaczynając od wyniku pierwszej grupy według:

In [60]: df_agg = df.groupby(['job','source']).agg({'count':sum})

Grupujemy według pierwszego poziomu indeksu:

In [63]: g = df_agg['count'].groupby(level=0, group_keys=False)

Następnie chcemy posortować („uporządkować”) każdą grupę i wziąć pierwsze trzy elementy:

In [64]: res = g.apply(lambda x: x.order(ascending=False).head(3))

Jednak do tego służy funkcja skrótu 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
joris
źródło
Czy byłby sposób na podsumowanie wszystkiego, czego nie ma w trzech najlepszych wynikach na grupę, i dodanie ich do grupy źródłowej o nazwie „inne” dla każdego zadania?
JoeDanger
30
orderjest przestarzałe, użyj sort_valueszamiast tego
zthomas.nc
Dzięki za świetną odpowiedź. Czy w kolejnym kroku będzie można przypisać porządek sortowania na podstawie wartości w kolumnie grupuj według? Na przykład sortuj rosnąco, jeśli wartość to „Kup”, i malejąco, jeśli wartość to „Sprzedaj”.
Bowen Liu
173

Możesz również zrobić to za jednym razem, wykonując najpierw sortowanie i używając głowy, aby wziąć pierwsze 3 z każdej grupy.

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
tvashtar
źródło
14
Czy groupbygwarantuje, że zamówienie zostanie zachowane?
toto_tico
52
Wydaje się, że tak; z dokumentacji groupby : groupby zachowuje kolejność wierszy w każdej grupie
toto_tico
10
toto_tico - To prawda, jednak należy zachować ostrożność przy interpretacji tego stwierdzenia. Kolejność wierszy WEWNĄTRZ POJEDYNCZEJ GRUPY jest zachowywana, jednak groupby ma domyślnie instrukcję sort = True, co oznacza, że ​​same grupy mogły zostać posortowane według klucza. Innymi słowy, jeśli moja ramka danych ma klucze (na wejściu) 3 2 2 1, .. grupowanie według obiektu pokaże 3 grupy w kolejności 1 2 3 (posortowane). Użyj sort = False, aby upewnić się, że porządek grupowy i kolejność wierszy są zachowane.
user2103050
4
head (3) daje więcej niż 3 wyniki?
Nabin
27

Oto inny przykład wybierania najlepszych 3 w kolejności posortowanej i sortowania w grupach:

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
Surya
źródło
9

Spróbuj zamiast tego

prosty sposób na „grupowanie” i sortowanie w porządku malejącym

df.groupby(['companyName'])['overallRating'].sum().sort_values(ascending=False).head(20)
SSCSWAPNIL
źródło
8

Jeśli nie musisz sumować kolumny, użyj odpowiedzi @ tvashtar. Jeśli musisz podsumować, możesz użyć odpowiedzi @joris lub tej, która jest do niej bardzo podobna.

df.groupby(['job']).apply(lambda x: (x.groupby('source')
                                      .sum()
                                      .sort_values('count', ascending=False))
                                     .head(3))
Ted Petrou
źródło