在熊猫中对行进行排名和排序

Question

我有以下数据集，我想按区域以及商店类型（在每个区域内）进行排名。

是否有一种巧妙的方式在python中编码这两列？

数据：

print (df)
    Region ID Location store Type ID  Brand share
0           1              Warehouse         1.97
1           1              Warehouse         0.24
2           1           Super Centre         0.21
3           1              Warehouse         0.13
4           1         Mini Warehouse         0.10
5           1           Super Centre         0.07
6           1         Mini Warehouse         0.04
7           1           Super Centre         0.02
8           1         Mini Warehouse         0.02
9          10              Warehouse         0.64
10         10         Mini Warehouse         0.18
11         10              Warehouse         0.13
12         10              Warehouse         0.09
13         10           Super Centre         0.07
14         10         Mini Warehouse         0.03
15         10         Mini Warehouse         0.02
16         10           Super Centre         0.02

Answer 1

使用GroupBy.cumcount：

df['RegionRank'] = df.groupby('Region ID')['Brand share'].cumcount() + 1
cols = ['Location store Type ID', 'Region ID']
df['StoreTypeRank'] = df.groupby(cols)['Brand share'].cumcount() + 1
print (df)
    Region ID Location store Type ID  Brand share  RegionRank  StoreTypeRank
0           1              Warehouse         1.97           1              1
1           1              Warehouse         0.24           2              2
2           1           Super Centre         0.21           3              1
3           1              Warehouse         0.13           4              3
4           1         Mini Warehouse         0.10           5              1
5           1           Super Centre         0.07           6              2
6           1         Mini Warehouse         0.04           7              2
7           1           Super Centre         0.02           8              3
8           1         Mini Warehouse         0.02           9              3
9          10              Warehouse         0.64           1              1
10         10         Mini Warehouse         0.18           2              1
11         10              Warehouse         0.13           3              2
12         10              Warehouse         0.09           4              3
13         10           Super Centre         0.07           5              1
14         10         Mini Warehouse         0.03           6              2
15         10         Mini Warehouse         0.02           7              3
16         10           Super Centre         0.02           8              2

或GroupBy.rank，但对于相同的类别返回相同的值：

df['RegionRank'] = (df.groupby('Region ID')['Brand share']
                       .rank(method='dense', ascending=False)
                       .astype(int))
cols = ['Location store Type ID', 'Region ID']
df['StoreTypeRank'] = (df.groupby(cols)['Brand share']  
                           .rank(method='dense', ascending=False)
                           .astype(int))
print (df)
    Region ID Location store Type ID  Brand share  RegionRank  StoreTypeRank
0           1              Warehouse         1.97           1              1
1           1              Warehouse         0.24           2              2
2           1           Super Centre         0.21           3              1
3           1              Warehouse         0.13           4              3
4           1         Mini Warehouse         0.10           5              1
5           1           Super Centre         0.07           6              2
6           1         Mini Warehouse         0.04           7              2
7           1           Super Centre         0.02           8              3
8           1         Mini Warehouse         0.02           8              3
9          10              Warehouse         0.64           1              1
10         10         Mini Warehouse         0.18           2              1
11         10              Warehouse         0.13           3              2
12         10              Warehouse         0.09           4              3
13         10           Super Centre         0.07           5              1
14         10         Mini Warehouse         0.03           6              2
15         10         Mini Warehouse         0.02           7              3 <-same value .02 
16         10           Super Centre         0.02           7              2 <-same value .02