it-swarm.com.de

pandas groupby innerhalb von Gruppen sortieren

Ich möchte meinen Datenrahmen nach zwei Spalten gruppieren und dann die aggregierten Ergebnisse innerhalb der Gruppen sortieren.

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

Ich möchte jetzt die Zählspalte in absteigender Reihenfolge innerhalb jeder der Gruppen sortieren. Und dann nimm nur die obersten drei Reihen. Um etwas zu bekommen wie:

            count
job     source  
market  A   5
        D   4
        B   3
sales   E   7
        C   6
        B   4
121
JoeDanger

Was Sie tun möchten, ist tatsächlich wieder ein Gruppenby (auf dem Ergebnis des ersten Gruppenby): Sortieren und nehmen Sie die ersten drei Elemente pro Gruppe.

Ausgehend vom Ergebnis der ersten Gruppe von:

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

Wir gruppieren nach der ersten Ebene des Index:

In [63]: g = df_agg['count'].groupby(level=0, group_keys=False)

Dann wollen wir jede Gruppe sortieren und die ersten drei Elemente nehmen:

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

Hierzu gibt es jedoch eine Verknüpfungsfunktion, nlargest :

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
113
joris

Sie können es auch einfach auf einmal tun, indem Sie zuerst sortieren und mit head die ersten 3 jeder Gruppe nehmen.

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
117
tvashtar

Hier ist ein weiteres Beispiel für die Aufnahme der Top 3 in sortierter Reihenfolge und die Sortierung innerhalb der Gruppen:

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
19
Surya

Wenn Sie keine Spalte summieren müssen, verwenden Sie die Antwort von @ tvashtar. Wenn Sie summieren müssen, können Sie die Antwort von @joris verwenden oder diese, die ihr sehr ähnlich ist.

df.groupby(['job']).apply(lambda x: (x.groupby('source')
                                      .sum()
                                      .sort_values('count', ascending=False))
                                     .head(3))
5
Ted Petrou