Question

我有一个数据框，用于表示一个文件，通过该文件我将两列分组，返回聚合计数。现在我想按最大计数值排序，但是我得到以下错误：

KeyError：'count'

通过agg count列查看组是某种索引，所以不知道如何做到这一点，我是Python和Panda的初学者。这是实际的代码，如果您需要更多详细信息，请告诉我们：

def answer_five():
    df = census_df#.set_index(['STNAME'])
    df = df[df['SUMLEV'] == 50]
    df = df[['STNAME','CTYNAME']].groupby(['STNAME']).agg(['count']).sort(['count'])
    #df.set_index(['count'])
    print(df.index)
    # get sorted count max item
    return df.head(5)

Answer 1

我认为您需要添加reset_index，然后将参数ascending=False添加到sort_values，因为sort会返回：

FutureWarning：sort（columns = ....）已弃用，请使用sort_values（by = .....） .sort_values（['count']，ascending = False）

df = df[['STNAME','CTYNAME']].groupby(['STNAME'])['CTYNAME'] \
                             .count() \
                             .reset_index(name='count') \
                             .sort_values(['count'], ascending=False) \
                             .head(5)

样品：

df = pd.DataFrame({'STNAME':list('abscscbcdbcsscae'),
                   'CTYNAME':[4,5,6,5,6,2,3,4,5,6,4,5,4,3,6,5]})

print (df)
    CTYNAME STNAME
0         4      a
1         5      b
2         6      s
3         5      c
4         6      s
5         2      c
6         3      b
7         4      c
8         5      d
9         6      b
10        4      c
11        5      s
12        4      s
13        3      c
14        6      a
15        5      e

df = df[['STNAME','CTYNAME']].groupby(['STNAME'])['CTYNAME'] \
                             .count() \
                             .reset_index(name='count') \
                             .sort_values(['count'], ascending=False) \
                             .head(5)

print (df)
  STNAME  count
2      c      5
5      s      4
1      b      3
0      a      2
3      d      1

但似乎你需要Series.nlargest：

df = df[['STNAME','CTYNAME']].groupby(['STNAME'])['CTYNAME'].count().nlargest(5)

或：

df = df[['STNAME','CTYNAME']].groupby(['STNAME'])['CTYNAME'].size().nlargest(5)

size和count之间的差异是：

size计算NaN个值，count不计算。

样品：

df = pd.DataFrame({'STNAME':list('abscscbcdbcsscae'),
                   'CTYNAME':[4,5,6,5,6,2,3,4,5,6,4,5,4,3,6,5]})

print (df)
    CTYNAME STNAME
0         4      a
1         5      b
2         6      s
3         5      c
4         6      s
5         2      c
6         3      b
7         4      c
8         5      d
9         6      b
10        4      c
11        5      s
12        4      s
13        3      c
14        6      a
15        5      e

df = df[['STNAME','CTYNAME']].groupby(['STNAME'])['CTYNAME']
                             .size()
                             .nlargest(5)
                             .reset_index(name='top5')
print (df)
  STNAME  top5
0      c     5
1      s     4
2      b     3
3      a     2
4      d     1

Answer 2

我不确切知道你的df是怎样的。但是如果你必须按照其数量对几个类别的频率进行排序，那么从df中切割一个系列并对系列进行排序会更容易：

series = df.count().sort_values(ascending=False)
series.head()

请注意，本系列将使用该类别的名称作为索引！

Answer 3

我同意@Christoph Schranz从数据帧中切出一系列内容

df[['STNAME','CTYNAME']].groupby('STNAME')['CTYNAME'].count().nlargest(3)

用熊猫计数和排序

3 个答案: