我有以下数据：
player_id broadcast_month_id runs_tier
67 201803 100s
67 201803 400s
67 201802 50s
67 201802 100s
67 201801 50s
67 201712 50s
67 201711 50s
67 201710 50s
67 201709 50s
67 201708 50s
67 201707 50s
67 201706 50s
67 201705 50s
67 201704 50s
67 201704 Others
我想找出数据集中每个玩家的最新runs_tier（此示例仅包含1个玩家，但原始数据集有大约500个玩家）
在读取数据后，我按照player_id进行分组，然后根据月份划分并计算每个层次的月数，如下所示：
run_tier = df_tier.pivot_table(index=['player_id'],columns=['runs_tier'],aggfunc='count',fill_value=0)\
.xs('broadcast_month_id', axis=1, drop_level=True)
我可以获得玩家最多月份的等级，如下所示：
run_tier['latest'] = df_tier.sort_values('player_id').groupby('player_id')['runs_tier'].tail(1).values
如何获得最新级别的播放器？ 根据以上数据，这个玩家最新的runs_tier是100s 有人可以帮帮我吗？
household_id 100s 400s 50s Others latest
67 2 1 11 1 100s
如果像前两个记录一样重复，我会在排序日期后排在最前面。
答案 0 :(得分：2)
首先考虑使用groupby().transform()在 df_tier 中创建最新列，然后运行pivot_table而不需要.xs()，然后条件筛选groupby().min上的新列分配：
# NEW COLUMN FOR LATEST broadcast_month_id
df_tier['latest'] = df_tier.groupby('player_id')['broadcast_month_id'].transform('max')
# PIVOT TABLE (with values arg)
run_tier = df_tier.pivot_table(index='player_id', columns='runs_tier',
values='broadcast_month_id',
aggfunc='count', fill_value=0).rename_axis(None)
# NEW COLUMN FOR MIN runs_tier IN LATEST broadcast_month_id
run_tier['latest'] = df_tier[df_tier['latest']==df_tier['broadcast_month_id']]\
.groupby('player_id')['runs_tier'].min()
print(run_tier)
# runs_tier 100s 400s 50s Others latest
# 67 2 1 11 1 100s
答案 1 :(得分：1)
如果我理解正确......
首先，我们必须能够对runs_tier进行排序，因此请将其设为数字，移除s并将Others设置为nan
>>> df
broadcast_month_id player_id runs_tier
0 201803 67 100s
1 201803 67 400s
2 201802 67 50s
3 201802 67 100s
4 201801 67 50s
.. ... ... ...
10 201707 67 50s
11 201706 67 50s
12 201705 67 50s
13 201704 67 50s
14 201704 67 Others
[15 rows x 3 columns]
>>> df['numeric_tier'] = pd.to_numeric(df['runs_tier'].apply(lambda x: x[:-1]), errors='coerce')
>>> df
broadcast_month_id player_id runs_tier numeric_tiers
0 201803 67 100s 100.000
1 201803 67 400s 400.000
2 201802 67 50s 50.000
3 201802 67 100s 100.000
4 201801 67 50s 50.000
.. ... ... ... ...
10 201707 67 50s 50.000
11 201706 67 50s 50.000
12 201705 67 50s 50.000
13 201704 67 50s 50.000
14 201704 67 Others nan
[15 rows x 4 columns]
现在我们可以对数据帧进行排序，以便每个玩家的第一次出现是最新的最高层
df = df.sort_values(['player_id', 'broadcast_month_id', 'numeric_tiers'], ascending=[True, False, True])
并仅选择第一次出现：
>>> df = df[~df.duplicated('player_id')]
>>> df
broadcast_month_id player_id runs_tier numeric_tiers
0 201803 67 100s 100.000
然后我们可以加入
>>> run_tier['lastest'] = df.set_index('player_id')['runs_tier']
>>> run_tier
runs_tier 100s 400s 50s Others lastest
player_id
67 2 1 11 1 100s