Question

我有这个数据框：

dict_data = {'id' : [1,1,1,2,2,2,2,2],
'datetime' : np.array(['2016-01-03T16:05:52.000000000', '2016-01-03T16:05:52.000000000',
       '2016-01-03T16:05:52.000000000', '2016-01-27T15:45:20.000000000',
       '2016-01-27T15:45:20.000000000', '2016-11-27T15:08:04.000000000',
       '2016-11-27T15:08:04.000000000', '2016-11-27T15:08:04.000000000'], dtype='datetime64[ns]')}

df_data=pd.DataFrame(dict_data)

数据看起来像这样

Data

我想对客户ID和日期进行排名，我使用了这段代码

    (df_data.assign(rn=df_data.sort_values(['datetime'], ascending=True)
....:                     .groupby(['datetime','id'])
....:                     .cumcount() + 1)
....:      .sort_values(['datetime','rn'])
....: )

每个日期我按ID获得不同的排名：

table with rank

我希望看到的是按ID排名，但是对于相同的日期时间，每个ID都会获得相同的排名。

Answer 1

以下是按日期时间和ID排名的方式：

##### RANK BY datetime and id #####
In[]: df_data.rank(axis =0,ascending = 1, method = 'dense')
Out[]: 
   datetime  id
0         1   1
1         1   1
2         1   1
3         2   2
4         2   2
5         3   2
6         3   2
7         3   2

##### GROUPBY id AND USE APPLY TO GET VALUE FOR FOR EACH GROUP #####
In[]: df_data.rank(axis =0,ascending = 1, method = 'dense').groupby('id').apply(lambda x: x)
Out[]: 
   datetime  id
0         1   1
1         1   1
2         1   1
3         2   2
4         2   2
5         3   2
6         3   2
7         3   2

##### THEN RANK INSIDE EACH GROUP #####

In[]: df_data.assign(rank=df_data.rank(axis =0,ascending = 1, method = 'dense').groupby('id').apply(lambda x: x.rank(axis =0,ascending = 1, method = 'dense'))['datetime'])
Out[]: 
             datetime  id  rank
0 2016-01-03 16:05:52   1     1
1 2016-01-03 16:05:52   1     1
2 2016-01-03 16:05:52   1     1
3 2016-01-27 15:45:20   2     1
4 2016-01-27 15:45:20   2     1
5 2016-11-27 15:08:04   2     2
6 2016-11-27 15:08:04   2     2
7 2016-11-27 15:08:04   2     2

如果您想更改排名方法，我会从pandas documentation on ranking

获取更多关于排名的信息

在pandas中的多个列中排名

1 个答案: