编辑：我已经修改了以下描述的部分内容，以阐明“功能”和“组”的含义，修正输入错误，并包括我尝试过的其他代码。
我的熊猫df有450万行和23列。下表显示了从df2生成的df的几行。它显示了两个组（ eeskin 和 hduquant ）和三个功能（失败，退出状态和 job_number ）：
# report by group
group feature #_cats #_jobs rank top_value freq \
10 eeskin failed 1 6 -1 100 6
21 eeskin exit_status 1 6 -1 0 6
0 eeskin job_number 1 6 -1 4.08219e+06 6
21 hduquant exit_status 5 64 -1 37 58
11 hduquant failed 2 64 -1 0 63
1 hduquant job_number 2 64 -1 4.07192e+06 61
“等级”列值为-1是占位符。
我想为每个功能更新每个组的排名。在这种情况下，“功能”表示“功能”列中的每个唯一值：失败，退出状态和工作号。例如，更新 job_number 的排名意味着仅在“功能”列等于 job_number 的行上修改“ rank”列中的值。事实证明，这些行中的每一行还对应于“组”列中的不同组值。
因此，我不想一次更新每个列“ rank”中的所有值，而是要逐个功能地进行处理，每次写入操作都会更新单个功能上所有组的值。
要素“ job_number”的等级基于“ #_jobs” col的值（最高职位数为等级1）。对于功能“失败”，排名基于“ top_value”的“频率”。 exits_status可以暂时保持-1。
结果应如下所示：
group feature #_cats #_jobs rank top_value freq \
10 eeskin failed 1 6 1 100 6
21 eeskin exit_status 1 6 -1 0 6
0 eeskin job_number 1 6 2 4.08219e+06 6
21 hduquant exit_status 5 64 -1 37 58
11 hduquant failed 2 64 2 0 63
1 hduquant job_number 2 64 1 4.07192e+06 61
“ eeskin”在failed上排名1，在job_number上排名2。 “ failed”和“ job_number”分别排名“ hdquant”和“ 1”。
我可以使用以下代码更新job_number的排名值：
if feat == 'job_number':
grouped = grouped.sort_values("#_jobs", ascending=False)
grouped['rank'] = grouped.index + 1
group feature #_cats #_jobs rank top_value freq \
10 eeskin failed 1 6 -1 100 6
21 eeskin exit_status 1 6 -1 0 6
0 eeskin job_number 1 6 2 4.08219e+06 6
21 hduquant exit_status 5 64 -1 37 58
11 hduquant failed 2 64 -1 0 63
1 hduquant job_number 2 64 1 4.07192e+06 61
但是当我尝试同时更新两者时，都不会更新：
feat = ['job_number', 'failed']
for f in feat:
if f == 'job_number':
grouped = grouped.sort_values("#_jobs", ascending=False)
grouped['rank'] = grouped.index + 1
elif f == 'failed': # or f == 'exit_status'
x = len(not grouped[f] == 0)
grouped['x'] = x
grouped = grouped.sort_values("x", ascending=False)
grouped['rank'] = grouped.index + 1
del grouped['x']
group feature #_cats #_jobs rank top_value freq \
10 eeskin failed 1 6 -1 100 6
21 eeskin exit_status 1 6 -1 0 6
0 eeskin job_number 1 6 -1 4.08219e+06 6
21 hduquant exit_status 5 64 -1 37 58
11 hduquant failed 2 64 -1 0 63
1 hduquant job_number 2 64 -1 4.07192e+06 61
我已经尝试实施Matt W.的建议，但到目前为止没有成功：
df.loc[df.feature == 'job', 'rank'] = df.loc[df.feature == 'job', 'jobs'].rank(ascending=False)
我对他的代码做了如下修改，但也没有成功：
df2.loc[df2['feature' == 'job_number'] & df2['rank']] = (df2.loc[df2['#_jobs']].rank(ascending=False))
附录 @Matt W。
输入：
import pandas as pd
df = pd.DataFrame([['g1', 'u1', 3902779, '2018-09-27 21:38:06', '2018-10-01 07:24:38', '2018-10-01 08:00:42', 0, 0, 'single', 1, 55696, 609865728.0, 4.0, 6.0, 0, 0, 4.0, 0, 'single', 1, 0, pd.Timedelta('3 days 09:46:32'), pd.Timedelta('00:36:04')]],
columns=['group', 'owner', 'job_number', 'submission_time', 'start_time', 'end_time', 'failed', 'exit_status', 'granted_pe', 'slots', 'task_number', 'maxvmem', 'h_data', 'h_rt', 'highp', 'exclusive', 'h_vmem', 'gpu', 'pe', 'slot', 'campus', 'wait_time', 'wtime'])
df = (df.astype(dtype={'group':'str', 'owner':'str', 'job_number':'int', 'submission_time':'datetime64[ns]', 'start_time':'datetime64[ns]', 'end_time':'datetime64[ns]', 'failed':'int', 'exit_status':'int', 'granted_pe':'str', 'slots':'int', 'task_number':'int', 'maxvmem':'float', 'h_data':'float', 'h_rt':'float', 'highp':'int', 'exclusive':'int', 'h_vmem':'float', 'gpu':'int', 'pe':'str', 'slot':'int', 'campus':'int', 'wait_time':'timedelta64[ns]', 'wtime':'timedelta64[ns]'}))
df
输出：
group owner job_number submission_time start_time end_time failed exit_status granted_pe slots task_number maxvmem h_data h_rt highp exclusive h_vmem gpu pe slot campus wait_time wtime
0 g1 u1 3902779 2018-09-27 21:38:06 2018-10-01 07:24:38 2018-10-01 08:00:42 0 0 single 1 55696 609865728.0 4.0 6.0 0 0 4.0 0 single 1 0 3 days 09:46:32 00:36:04
4080243 g50 u92 4071923 2018-10-25 02:08:14 2018-10-27 01:41:58 2018-10-27 02:08:50 0 0 shared 1 119 7.654482e+08 2.5 1.5 0 1 16.0 0 shared 1 0 1 days 23:33:44 00:26:52
4080244 g50 u92 4071922 2018-10-25 02:08:11 2018-10-27 01:46:53 2018-10-27 02:08:53 0 0 shared 1 2208 1.074463e+09 2.5 1.5 0 10 24.0 0 shared 1 0 1 days 23:38:42 00:22:00
代码产生第一行。我只是为了多样化而增加了几行。
有203个组，699个所有者。有数千个作业：“作业”定义为job_number，task_number和submission_time的唯一组合。
我想创建一个整体报告，每个组一个报告，都集中在资源使用上。
总体报告的组成部分：
一般统计：
工作：
所有者：
组：
单个“按组”报告的组成部分：
按功能（在df中为列）：
一般统计：
该组的统计信息：
按工作：
按所有者：
按排名：
在这里，我希望每个组在所有其他组中均排名，从使用率最高或失败最多的1个到使用率最低的203个。我将使用这些值绘制每个组的图形。
排名：
答案 0 :(得分：1)
您可以使用熊猫.loc
初始化数据框：
df = pd.DataFrame({'group':['e','e','e','h','h','h'],
'feature':['fail', 'exit', 'job', 'exit', 'fail', 'job'],
'cats':[1, 1, 1, 5, 2, 2],
'jobs':[1, 1, 1, 64, 64, 64],
'rank':[-1, -1, -1, -1, -1, -1],
'topvalue':[100, 0, 4, 37, 0, 3.9],
'freq':[1, 1, 1, 58, 63, 61]
})
我们要对职位进行排名，因此我们只使用.loc隔离排名位置，然后在分配的右侧，我们使用.loc隔离job列并使用{{1 }}功能
按职位价值排序职位：
.rank()最高频率不为0时按频率排列的排名失败功能：
为此，您确实将0排名，这似乎与您所说的相反。因此，我们将通过两种方式进行此操作。
这样，我们过滤掉0s 开始，并对其他所有内容进行排名。这样df.loc[df.feature == 'job', 'rank'] = df.loc[df.feature == 'job', 'jobs'].rank(ascending=False)
的排名将保持为-1
top_value == 0这样，我们就不会滤除0。
df.loc[(df.feature == 'fail') & (df.topvalue != 0), 'rank'] = (
df.loc[(df.feature == 'fail') & (df.topvalue != 0), 'freq']).rank(ascending=True)