Question

熊猫新手，所以我可能在这里缺少明显的东西。我的目的是按照工作类型按类别列出最重要的项目。这是我正在使用的CSV输入：


project,effort,type
p1,6,feature
p2,4.5,feature
p3,4.375,bug
p4,4,bug
p5,3.875,bug
p6,3.5,upgrade
p7,3.5,feature
p8,3,upgrade
p9,2,upgrade

现在，我的意图是按类型显示按努力显示的前3个项目。这就是我所做的：

dev=pd.read_csv('test.csv')
dev.sort_values(['effort'], ascending=False).groupby('type').head(3)

这是我在ipython中看到的：

  project  effort     type
0      p1   6.000  feature
1      p2   4.500  feature
2      p3   4.375      bug
3      p4   4.000      bug
4      p5   3.875      bug
5      p6   3.500  upgrade
6      p7   3.500  feature
7      p8   3.000  upgrade
8      p9   2.000  upgrade

尽管行看起来很准确，但我希望输出将功能，错误和升级分组在一起，即使这意味着工作没有严格按照降序排列，如下所示：

预期：

  project  effort     type
0      p1   6.000  feature
1      p2   4.500  feature
6      p7   3.500  feature
2      p3   4.375      bug
3      p4   4.000      bug
4      p5   3.875      bug
5      p6   3.500  upgrade
7      p8   3.000  upgrade
8      p9   2.000  upgrade

也就是说，所有功能，然后是错误，然后是升级（不需要以相同的顺序进行，但至少按正确的分组）。

我缺少明显的东西吗？预先感谢您的答复！

Answer 1

更新：

根据sort的第一个effort。 groupby type，先乘head，然后再乘sort乘type。

df.sort_values('effort', ascending=False).groupby(['type']).head(3).sort_values('type')

Answer 2

在提供的样本数据集中，每个项目都是具有特定类型的单个记录。在这种情况下，我们可以先进行nlargest的努力，然后再进行groupby的类型和sum的努力，获得前3个项目：

df.nlargest(3, 'effort').groupby('type').sum()

输出：

         effort
type           
bug       4.375
feature  10.500

P.S。这里是要解释一下出了什么问题

dev.sort_values(['effort'], ascending=False).groupby('type').head(3)

当您在head对象上使用GroupBy时，它将获得每个组的第一个元素（请参阅head的文档），因此，每个“功能”都排在前3位'，'bug'和'upgrade'。如果您在head之前应用groupby，它将可以正常工作：

dev.sort_values(['effort'], ascending=False).head(3).groupby('type').sum()

与上面的解决方案基本相同，唯一的不同是我后来使用nlargest而不是对head进行排序和应用（nlargest更为简洁）

更新：您可以按类型（升序）和工作量（降序）+ groupby和head进行预排序：

df.sort_values(['type', 'effort'], ascending=[1,0]).groupby('type').head(3)

输出：

  project  effort     type
2      p3   4.375      bug
3      p4   4.000      bug
4      p5   3.875      bug
0      p1   6.000  feature
1      p2   4.500  feature
6      p7   3.500  feature
5      p6   3.500  upgrade
7      p8   3.000  upgrade
8      p9   2.000  upgrade

显然，在pandas中讨论的here

中存在一个未解决的问题

Answer 3

head(3)至少是每个组的大小，因此将打印整个DataFrame。

import pandas as pd
import csv
from pandas.compat import StringIO

print(pd.__version__)

csvdata = StringIO("""project,effort,type
p1,6,feature
p2,4.5,feature
p3,4.375,bug
p4,4,bug
p5,3.875,bug
p6,3.5,upgrade
p7,3.5,feature
p8,3,upgrade
p9,2,upgrade""")

df = pd.read_csv(csvdata, sep=",")

print(df)
print(df.sort_values(['effort'], ascending=False).groupby('type').head(1))

生产

0.24.2
  project  effort     type
0      p1   6.000  feature
1      p2   4.500  feature
2      p3   4.375      bug
3      p4   4.000      bug
4      p5   3.875      bug
5      p6   3.500  upgrade
6      p7   3.500  feature
7      p8   3.000  upgrade
8      p9   2.000  upgrade
  project  effort     type
0      p1   6.000  feature
2      p3   4.375      bug
5      p6   3.500  upgrade

但是MCVE代码仅显示使用Grouper。像mean()这样的函数会更有用。

熊猫Groupby中的意外分组

3 个答案: