무리를 지어 무리를 지어 분류하는 판다

무리를 지어 무리를 지어 분류하는 판다

데이터 프레임을 2열로 그룹화한 후 집계된 결과를 그룹별로 정렬합니다.

In [167]: df

Out[167]:
   count     job source
0      2   sales      A
1      4   sales      B
2      6   sales      C
3      3   sales      D
4      7   sales      E
5      5  market      A
6      3  market      B
7      2  market      C
8      4  market      D
9      1  market      E


In [168]: df.groupby(['job','source']).agg({'count':sum})

Out[168]:
               count
job    source       
market A           5
       B           3
       C           2
       D           4
       E           1
sales  A           2
       B           4
       C           6
       D           3
       E           7

이제 각 그룹 내에서 'count' 열을 내림차순으로 정렬한 다음 상위 3개 행만 취하려고 합니다.취득 방법:

                count
job     source
market  A           5
        D           4
        B           3
sales   E           7
        C           6
        B           4

먼저 정렬을 하고 헤드를 사용하여 각 그룹의 처음 3개를 가져가면 한 번에 할 수도 있습니다.

In[34]: df.sort_values(['job','count'],ascending=False).groupby('job').head(3)

Out[35]: 
   count     job source
4      7   sales      E
2      6   sales      C
1      4   sales      B
5      5  market      A
8      4  market      D
6      3  market      B

여기서도 실제로 그룹바이(첫 번째 그룹바이 결과)를 실시합니다.그룹별로 처음 3개의 요소를 정렬하여 가져옵니다.

첫 번째 그룹바이 결과부터 시작합니다.

In [60]: df_agg = df.groupby(['job','source']).agg({'count':sum})

지수의 첫 번째 수준을 기준으로 그룹화한다.

In [63]: g = df_agg['count'].groupby('job', group_keys=False)

그런 다음 각 그룹을 정렬('순서 지정')하고 처음 세 가지 요소를 취하려고 합니다.

In [64]: res = g.apply(lambda x: x.sort_values(ascending=False).head(3))

단, 이를 위해 숏컷 기능이 있습니다.

In [65]: g.nlargest(3)
Out[65]:
job     source
market  A         5
        D         4
        B         3
sales   E         7
        C         6
        B         4
dtype: int64

한 번에 다음과 같이 됩니다.

df_agg['count'].groupby('job', group_keys=False).nlargest(3)

다음은 정렬된 순서에서 상위 3개를 선택하여 그룹 내에서 정렬하는 다른 예입니다.

In [43]: import pandas as pd                                                                                                                                                       

In [44]:  df = pd.DataFrame({"name":["Foo", "Foo", "Baar", "Foo", "Baar", "Foo", "Baar", "Baar"], "count_1":[5,10,12,15,20,25,30,35], "count_2" :[100,150,100,25,250,300,400,500]})

In [45]: df                                                                                                                                                                        
Out[45]: 
   count_1  count_2  name
0        5      100   Foo
1       10      150   Foo
2       12      100  Baar
3       15       25   Foo
4       20      250  Baar
5       25      300   Foo
6       30      400  Baar
7       35      500  Baar


### Top 3 on sorted order:
In [46]: df.groupby(["name"])["count_1"].nlargest(3)                                                                                                                               
Out[46]: 
name   
Baar  7    35
      6    30
      4    20
Foo   5    25
      3    15
      1    10
dtype: int64


### Sorting within groups based on column "count_1":
In [48]: df.groupby(["name"]).apply(lambda x: x.sort_values(["count_1"], ascending = False)).reset_index(drop=True)
Out[48]: 
   count_1  count_2  name
0       35      500  Baar
1       30      400  Baar
2       20      250  Baar
3       12      100  Baar
4       25      300   Foo
5       15       25   Foo
6       10      150   Foo
7        5      100   Foo

대신 이 방법을 사용해 보십시오. 이는 그룹별 및 내림차순으로 정렬하는 간단한 방법입니다.

df.groupby(['companyName'])['overallRating'].sum().sort_values(ascending=False).head(20)

컬럼을 합계할 필요가 없는 경우는 @tvashtar의 답변을 사용합니다.합산할 필요가 있다면 @joris의 답변이나 이와 매우 유사한 답변을 사용할 수 있습니다.

df.groupby(['job']).apply(lambda x: (x.groupby('source')
                                      .sum()
                                      .sort_values('count', ascending=False))
                                     .head(3))

by를 사용하지 않고 다음 오류가 발생하였습니다.

TypeError: sort_values()에 필요한 위치 인수 'by'가 1개 누락되었습니다.

그래서 이렇게 바꿨더니 작동하네요.

df.groupby(['job','source']).agg({'count':sum}).sort_values(by='count',ascending=False).head(20)

그룹화된 데이터 프레임에 그룹화된 열("multi-index")이 여러 개 포함되어 있는 경우 다른 방법을 사용하면 다른 열이 지워집니다.

edf = pd.DataFrame({"job":["sales", "sales", "sales", "sales", "sales",
                           "market", "market", "market", "market", "market"],
                    "source":["A", "B", "C", "D", "E", "A", "B", "C", "D", "E"],
                    "count":[2, 4,6,3,7,5,3,2,4,1],
                    "other_col":[1,2,3,4,56,6,3,4,6,11]})

gdf = edf.groupby(["job", "source"]).agg({"count":sum, "other_col":np.mean})
gdf.groupby(level=0, group_keys=False).apply(lambda g:g.sort_values("count", ascending=False))

이거 계속.other_col주문에 의해count각 그룹 내 열

한 줄로 할 수 있습니다.

df.groupby(['job']).apply(lambda x: x.sort_values(['count'], ascending=False).head(3)
.drop('job', axis=1))

apply()는 groupby의 각 그룹을 lambda 함수의 x에 할당합니다.

@joris의 답변이 큰 도움이 되었습니다.이게 나한테 효과가 있었어.

df.groupby(['job'])['count'].nlargest(3)

언급URL : https://stackoverflow.com/questions/27842613/pandas-groupby-then-sort-within-groups