我正在尝试基于两列（在我的情况下为个人和集群）+第三列的排序值（totalPrice）添加索引
所以我有一个包含三列的数据集-个体，集群和totalPrice。
individual cluster totalPrice totalTripDurationMinutes
0 9710556 1 180.82 140
1 9710556 0 202.32 145
2 9710556 0 180.82 140
3 9710535 7 729.44 460
4 9710535 7 729.44 640
5 9710535 7 702.60 355
6 9710535 7 685.82 300
7 9710535 7 685.82 480
8 9710535 7 669.44 520
9 9710535 7 669.44 580
10 9710535 7 669.44 700
我想要为每个个体和每个集群做的事情是，找到由当前totalPrice主导的totalPrice条目的数量。 结果应如下所示：
individual dominationCount cluster totalPrice totalTripDurationMinutes
0 9710556 0 1 180.82 140
1 9710556 0 0 202.32 145
2 9710556 1 0 180.82 140
3 9710535 0 7 729.44 460
4 9710535 0 7 729.44 640
5 9710535 1 7 702.60 355
6 9710535 2 7 685.82 300
7 9710535 2 7 685.82 480
8 9710535 3 7 669.44 520
9 9710535 3 7 669.44 580
10 9710535 3 7 669.44 700
有什么想法可以用大熊猫制作吗？
答案 0 :(得分：3)
将GroupBy.rank与methos='dense'一起使用并减去1：
df['dominatedCount'] = (df.groupby(['individual', 'cluster'])['totalPrice']
.rank(ascending=False, method='dense')
.astype(int)
.sub(1))
print (df)
individual cluster totalPrice totalTripDurationMinutes dominatedCount
0 9710556 1 180.82 140 0
1 9710556 0 202.32 145 0
2 9710556 0 180.82 140 1
3 9710535 7 729.44 460 0
4 9710535 7 729.44 640 0
5 9710535 7 702.60 355 1
6 9710535 7 685.82 300 2
7 9710535 7 685.82 480 2
8 9710535 7 669.44 520 3
9 9710535 7 669.44 580 3
10 9710535 7 669.44 700 3
答案 1 :(得分：1)
这是一种超级复杂的方法：
result = df.merge(df.merge(df.merge(df[['individual',
'cluster',
'totalPrice']].drop_duplicates(),
on=['individual',
'cluster'],
suffixes=('',
'_new'),
how='left'))
.query('totalPrice<totalPrice_new')
.drop('totalPrice_new',
axis=1)
.drop_duplicates()
.groupby(['individual',
'cluster',
'totalPrice'],
as_index=False)
.count()
.rename(columns={'totalTripDurationMinutes': 'dominationCount'}),
how='left', on=['individual', 'cluster', 'totalPrice']).fillna(0)
这将导致：
individual cluster totalPrice totalTripDurationMinutes dominationCount
0 9710556 1 180.82 140 0.0
1 9710556 0 202.32 145 0.0
2 9710556 0 180.82 140 1.0
3 9710535 7 729.44 460 0.0
4 9710535 7 729.44 640 0.0
5 9710535 7 702.60 355 1.0
6 9710535 7 685.82 300 2.0
7 9710535 7 685.82 480 2.0
8 9710535 7 669.44 520 3.0
9 9710535 7 669.44 580 3.0
10 9710535 7 669.44 700 3.0
答案 2 :(得分：0)
您可以定义一个名为check_price的函数：
def check_price(x):
#sort values of the prices and get only unique elements
prices = x.sort_values(ascending=False).unique()
#find index of of each price in the sorted prices to get the dominated count
dominate = [np.where(prices==val)[0] for val in x]
return dominate
df['dominatedCount'] = df.groupby(['individual', 'cluster'])['totalPrice'].transform(check_price)
df
individual cluster totalPrice totalTripDurationMinutes dominatedCount
0 9710556 1 180.82 140 0.0
1 9710556 0 202.32 145 0.0
2 9710556 0 180.82 140 1.0
3 9710535 7 729.44 460 0.0
4 9710535 7 729.44 640 0.0
5 9710535 7 702.60 355 1.0
6 9710535 7 685.82 300 2.0
7 9710535 7 685.82 480 2.0
8 9710535 7 669.44 520 3.0
9 9710535 7 669.44 580 3.0
10 9710535 7 669.44 700 3.0
答案 3 :(得分：0)
我将按照（个体，集群，totalPrice）对数据集进行排序，然后添加一列1，然后通过（个体，集群，totalPrice）对数据集求和，这样您就可以得到想要的排名。