Question

我有一个带有以下列的Pandas DataFrame：

col1 col2 col3 col4 col5

a a1 foo1 foo2 foo3

b b1 foo4 foo5 foo6

c c1 foo7 foo8 foo9

a a2 foo10 foo11 foo12

a a3 foo13 foo14 foo15

b b2 foo16 foo17 foo18

我想根据col1中值的降频频率对该数据帧的行（整个行）进行排序，然后针对该行中的其他列，获取其值中具有该值的行之一列（类似于SQL group by）。如何在熊猫中做到这一点？我相信这是groupby和sort_values的某种组合，但我不确定如何做到。

对于上面的示例，a是col1中最常见的值，其后依次是b和c。因此，我希望结果数据帧的第一行是col1值为a的行之一。下一行应该是值为b的两行之一。最后一行是唯一具有值c的行。

所以这是一个答案：

col1 col2 col3 col4 col5

a a1 foo1 foo2 foo3

b b1 foo4 foo5 foo6

c c1 foo7 foo8 foo9

但这个也是：

col1 col2 col3 col4 col5

a a3 foo13 foo14 foo15

b b1 foo4 foo5 foo6

c c1 foo7 foo8 foo9

还有一个：

col1 col2 col3 col4 col5

a a2 foo10 foo11 foo12

b b2 foo16 foo17 foo18

c c1 foo7 foo8 foo9

所有这些都可以。更清楚地说，不允许混合来自不同行的值。必须完全按原样返回一行。

Answer 1

这是您可以执行的操作：

1）使用expr1 = '^b$'; regexp('a', expr1, 'match', 'emptymatch') % Result = {} regexp('b', expr1, 'match', 'emptymatch') % Result = {'b'} regexp('', expr1, 'match', 'emptymatch') % Result = {} expr2 = '^$'; regexp('a', expr2, 'match', 'emptymatch') % Result = {} regexp('', expr2, 'match', 'emptymatch') % Result = {''} expr3 = '^b?$'; regexp('a', expr3, 'match', 'emptymatch') % Result = {} regexp('b', expr3, 'match', 'emptymatch') % Result = {'b'} regexp('', expr3, 'match', 'emptymatch') % Result = {''} expr5 = '^.*$'; regexp('b', expr5, 'match', 'emptymatch') % Result = {'b'} regexp('', expr5, 'match', 'emptymatch') % Result = {''}创建帮助系列以获取订单

2）使用该帮助器系列索引原始df，并删除重复的Series.value_counts值。

col1

或一行：

s = df.col1.value_counts()
df.set_index('col1').loc[s.index].reset_index().drop_duplicates('col1')

[输出]

df2 = (df.set_index('col1')
       .loc[df.col1.value_counts().index]
       .reset_index()
       .drop_duplicates('col1'))

Answer 2

这是一种非常简单的方法，首先按col1排序，然后删除重复项：

Task.WhenAny

第1部分的输出：

import pandas as pd
df = pd.read_csv('funky.csv')
df.sort_values('col1', ascending=True, inplace=True)
df

然后仅将重复项放在列1中：

  col1 col2   col3   col4   col5
0    a   a1   foo1   foo2   foo3
3    a   a2  foo10  foo11  foo12
4    a   a3  foo13  foo14  foo15
1    b   b1   foo4   foo5   foo6
5    b   b2  foo16  foo17  foo18
2    c   c1   foo7   foo8   foo9

输出：

df2 = df.drop_duplicates(['col1'])
df2

根据汇总计数对Pandas DataFrame的行进行排序，并随机获得一行

2 个答案: