Question

我有一个这样的df（实际df有450万行，每列23列）：

group  feature  col1  col2  col3
g1     f1       1     10    100
g1     f1       11    9     1000
g1     f2       0     8     200
g2     f1       2     7     330
g2     f2       3     7     331
g2     f3       1     7     100
g3     f1       1     6     101
g3     f1       5     9     100
g3     f1       1     8     100

我想为我的df中的每个col添加两个新的“等级” col。我将以不同的方式评估不同的列，例如求和，均值，最大值等。为便于说明，我将问题分为以下两个独立的问题。

已建议我here使用.loc而不使用groupby，但是任何可行的解决方案都可以。我已经尝试过但都没有成功（请参阅here）

排名第一的col将在每个组中的col1，col2和col3 中的值上对每个要素进行排名。

在中间阶段，它看起来像这样：

group feature col1 col1_sum col1_rank col2 col2_avg col2_rank col3 col3_max col3_rank g1 f1 1 12 1 10 9.5 1 100 1000 1 g1 f1 11 9 1000 g1 f2 0 0 2 8 8 2 200 200 2 g2 f1 2 2 2 7 7 1 330 330 2 g2 f2 3 3 1 7 7 1 331 331 1 g2 f3 1 1 3 7 7 1 100 100 3 g3 f1 1 7 1 6 7.67 1 101 101 1 g3 f1 5 9 100 g3 f1 1 8 100

它将输出：

group feature col1_rank col2_rank col3_rank g1 f1 1 1 1 g1 f2 2 2 2 g2 f1 2 1 2 g2 f2 1 1 1 g2 f3 3 1 3 g3 f1 1 1 1

第二个等级col将按col1，col2和col3中的值相对于所有其他组对每个组进行排名。

在中间阶段，它看起来像这样：

group feature col1 col1_sum col1_rank col2 col2_avg col2_rank col3 col3_max col3_rank g1 f1 1 12 1 10 9.5 1 100 1000 1 g1 f1 11 9 1000 g2 f1 2 2 3 7 7 3 330 330 2 g3 f1 1 7 2 6 7.67 2 101 101 3 g3 f1 5 9 100 g3 f1 1 8 100 g1 f2 0 0 2 8 8 1 200 200 2 g2 f2 3 3 1 7 7 2 331 331 1 g2 f3 1 1 1 7 7 1 100 100 1

它将输出：

group feature col1_rank col2_rank col3_rank g1 f1 1 1 1 g2 f1 3 3 2 g3 f1 2 2 3 g1 f2 2 1 2 g2 f2 1 2 1 g2 f3 1 1 1

Answer 1

我会在groupby上使用['group', 'feature']来产生一个中间数据帧，其中包含sum，avg和max列（而不是排名），然后在groupby上再次使用group只是产生排名。

中间数据框：

df2 = pd.concat([
    df.iloc[:,[0,1,2]].groupby(['group', 'feature']).sum(),
    df.iloc[:,[0,1,3]].groupby(['group', 'feature']).mean(),
    df.iloc[:,[0,1,4]].groupby(['group', 'feature']).max()
    ], axis=1)

中间数据帧为：

               col1      col2  col3
group feature                      
g1    f1         12  9.500000  1000
      f2          0  8.000000   200
g2    f1          2  7.000000   330
      f2          3  7.000000   331
      f3          1  7.000000   100
g3    f1          7  7.666667   101

现在是最后一个数据帧：

df3 = df2.groupby('group').rank(method='min', ascending=False).reset_index()

最终会给出：

  group feature  col1  col2  col3
0    g1      f1   1.0   1.0   1.0
1    g1      f2   2.0   2.0   2.0
2    g2      f1   2.0   1.0   2.0
3    g2      f2   1.0   1.0   1.0
4    g2      f3   3.0   1.0   3.0
5    g3      f1   1.0   1.0   1.0

对于问题的第二部分，我只是更改中间数据帧的索引，并在对'feature'进行分组之后计算排名：

dfx4 = dfx.reset_index().set_index(['feature', 'group']
                                   ).sort_index().groupby('feature').rank(
                                   method='min', ascending=False
                                   ).reset_index()

给出：

  feature group  col1  col2  col3
0      f1    g1   1.0   1.0   1.0
1      f1    g2   3.0   3.0   2.0
2      f1    g3   2.0   2.0   3.0
3      f2    g1   2.0   1.0   2.0
4      f2    g2   1.0   2.0   1.0
5      f3    g2   1.0   1.0   1.0

大熊猫为每列添加新的“排名”列

1 个答案: