pandas 實現分組後取第N行

目的:

把question_id 對應的user_answer轉成ABCD

solution

dfa=df.groupby('question_id').nth(0).reset_index()
dfa['flag']='A'
dfb=df.groupby('question_id').nth(1).reset_index()
dfb['flag']='B'
dfc=df.groupby('question_id').nth(2).reset_index()
dfc['flag']='C'
dfd=df.groupby('question_id').nth(3).reset_index()
dfd['flag']='D'

resdf=dfa.append([dfb,dfc,dfd])
resdf.sort_values(by='question_id')

result

focus

g.nth(0) 
#同 
g.first()
g.head(1)
g.last()

g.nth(2)
g.nth(-1)

g.nth(0,dropna='any')
g.B.nth(0,dropna='all')
g.groups
g.get_group(134429)
g.discribe()
g.agg([np.mean,np.sum.np,std])

補充:pandas的分組取最大多行並求和函數nlargest()

在pandas庫裡面,我們常常關心的是最大的前幾個,比如銷售最好的幾個產品,幾個店,等。之前講到的head(), 能夠看到看到DF裡面的前幾行,如果需要看到最大或者最小的幾行就需要先進行排序。max()和min()可以看到最大或者最小值,但是隻能看到一個值。

所以我們可以使用nlargest()函數,nlargest()的優點就是能一次看到最大的幾行,而且不需要排序。缺點就是隻能看到最大的,看不到最小的。

我們來看看單價排在前十的數據:

單價排在前十的數據

nlargest()的第一個參數就是截取的行數。第二個參數就是依據的列名。

這樣就可以篩選出單價最高的前十行,而且是按照單價從最高到最低進行排列的,所以還是按照之前的索引。

還可以按照total_price來進行排名:

按照total_price排名

nlargest還有一個參數,keep=’first’或者’last’。當出現重復值的時候,keep=’first’,會選取在原始DataFrame裡排在前面的,keep=’last’則去排後面的。

由於nlagerst()不能去最小的多個值,如果我們一定要使用這個函數進行選取也是可以的.

先設置一個輔助列:

先設置一個輔助列

然後在進行選取:

以輔助列進行選取

當然瞭,也可以通過head()加上排序進行選取的。

那以前這些操作都可以通過其它函數來進行替代的話,nlargest()有什麼必要介紹嗎?或者說學不學這個函數有什麼關系嗎?

這就是我們今天要重點介紹的,如果說要選擇不同location_road下的前五名要怎麼操作呢?

很多人可能第一反應會想到先分組然後進行max()操作,但是這樣的操作隻能選擇最大的一列:

使用max()

但是使用max有一個問題,就是選取的是每一列的最大值,而不是選取最大值的那一行,也就是說隻能在選取單列的最大值的時候才是準確的。

這個時候我們就要想到apply和lambda的自定義函數瞭:

選取多個指標的TOP(N)

這樣就選出瞭不同loaction_road的price排在前五的行瞭。

nlargest()函數在這種場景下使用是非常方便的,而且結果也已經默認排好順序瞭。

還有一些場景下需要計算分組的前幾名,然後在進行求和的,這個我們也可以使用nlargest進行操作:

分組之後進行求和

使用這種方法會出現報錯提示,這個因為在列和索引都存在loaction_road,有重復,系統有警告,在實際使用時可以先改列名再操作。我們也可以換一種方式直接按照索引進行求和,這樣就沒有警告瞭:

以上為個人經驗,希望能給大傢一個參考,也希望大傢多多支持WalkonNet。如有錯誤或未考慮完全的地方,望不吝賜教。