我有一个数据帧,看起来像这样:在熊猫中,如何在DataFrame中排名前十组数据?
import pandas as pd
import numpy as np
rand = np.random.RandomState(1)
df = pd.DataFrame({'A': ['foo', 'bar', 'baz'] * 10,
'B': [rand.choice(['cat', 'dog', 'fish', 'pig', 'cow']) for i in range(30)],
'C': 1})
>> df.head(5)
A B C
0 foo pig 1
1 bar cow 1
2 baz cat 1
3 foo dog 1
4 bar pig 1
我再由不同的组合组获得计数,这是我为了按组下降,就像这样:
>> d = df.groupby(['A','B']).sum();
>> d = d.groupby(level=0, group_keys=False).apply(lambda x: x.sort_values('C', ascending=False)); d
C
A B
bar dog 4
cow 2
fish 2
cat 1
pig 1
baz cow 4
cat 3
fish 2
dog 1
foo dog 4
cow 3
pig 2
cat 1
我现在想什么对于A中的每个组,保持排名前2位,并将剩下的数字总结为“其他”。我有一个函数summarise()
哪种类型的作品:
def summarise(l, n=10, name='Other'):
h = l.head(n)
idx = l.index[0]
if isinstance(idx, (list, tuple)):
prefix = list(idx[:-1])
else:
prefix = []
return h.append(pd.DataFrame([l.tail(-n).sum()], columns=l.columns, index=[tuple(prefix+[name])]))
>> summarise(d, n=2)
C
A B
bar dog 4
cow 2
Other 24
但是,如果我尝试使用适用于做它每次炸毁组。看来该函数通过Series
而不是?
我想输出的是以下几点:
A B C
bar dog 4
bar cow 2
bar Other 4
baz cow 4
baz cat 3
baz Other 3
foo dog 4
foo cow 3
foo Other 3
我还以为那d.groupby('A').tail(-2).sum()
会的工作,但它不会做什么我的期望。
编辑:感谢我的答案,我想出了以下功能,应该可以帮助未来的人。有点烦人,1列和更多列的情况是不同的,但也是如此。支持每组最高N,但也是一个截止百分比。有了这个功能,我可以很容易地以多种方式切分和裁切数据。
def top_per_group(df, cols, n=None, p=None, name='Other'):
d=df.groupby(cols).size().sort_values(ascending=False)
if len(cols) > 1:
d = d.sortlevel(0, sort_remaining=False)
d = d.reset_index()
if n:
if len(cols) > 1:
sel_list = d.groupby(cols[:-1]).cumcount()<n
else:
sel_list = d.index<n
else:
if len(cols) > 1:
sel_list = d.groupby(cols[:-1])[0].apply(lambda x: x/float(x.sum())) >= p
else:
sel_list = d[0].div(d[0].sum()) >= p
grouper = d[cols[-1]].where(sel_list, name)
return d.groupby(cols[:-1] + [grouper], sort=False).sum().reset_index()
作为@juanpa还指出申请是低效的有而你实际上并不需要C列。它可以用'df.groupby(list('AB'))。size()。sort_values(ascending = False).sortlevel(0,sort_remaining = False)' – ayhan