pandas的排序、分組groupby及cumsum累計求和方式

Posted on by

生成一列sum_age 對age 進行累加

df['sum_age'] = df['age'].cumsum()
print(df)

生成一列sum_age_new 按照 gender和is_good 對age進行累加

df['sum_age_new'] = df.groupby(['gender','is_good'])['age'].cumsum()
print(df)

 

根據不同的性別對年齡進行 等級 排序

df['rank_g'] = df.groupby(['gender'])['age'].rank()
print(df)

這裡的 rank( ) 即 'rank_g' ，並不是按照1、2、3、4、、依次排

按照官方文檔的意思，該函數是沿著某個軸來計算數值數據等級(1到n)。默認情況下，為相等的值分配同一個等級，該等級是這些值的等級的平均值。

例子：

import pandas as pd
obj = pd.Series([7,-5,7,4,2,0,4])
print(obj.rank())

代碼對 [7, -5, 7, 4, 2, 0, 4] 進行從小到大地排序，很明顯地，可以排成 [-5, 0, 2 ,4, 4, 7, 7]，數值7有第6和第7兩個位置，那應該排序應該排到第幾級？根據官方文檔，取平均值，(6+7)/2=6.5，所以兩個7的等級都為6.5，同理可得兩個4的等級都為(4+5)/2=4.5。

輸出：

0    6.5
1    1.0
2    6.5
3    4.5
4    3.0
5    2.0
6    4.5
dtype: float64

對數據排序之後，分組，並累計求和

# 對Start Time進行排序，Connection Type分組，temp進行累計求和cumsum
wsw_1 = wsw.sort_values(['Start Time'])
wsw_1.loc[:, 'Connection Number'] = wsw_1.groupby(['Connection Type'])['temp'].cumsum()

這裡如果不對start time排序，Connection Number不會按時間順序，統計drilling、tripping 的number數

pandas分組排序功能

在一個班級裡，學生考試科目有語文、數學、英語，分別有對應的成績。

現在，想要列出每個科目班級的前五名的情況，要求包含科目、姓名、成績、名次。

通過以下代碼實現：

import pandas as pd
a=['小紅','小綠','小藍','小白','小青','小紫','小粉','小傻','小紅','小綠','小藍','小白','小青','小紫','小粉','小傻','小紅','小綠','小藍','小白','小青','小紫','小粉','小傻']
b=['語文','語文','語文','語文','語文','語文','語文','語文','數學','數學','數學','數學','數學','數學','數學','數學','英語','英語','英語','英語','英語','英語','英語','英語']
c=[97,65,23,43,67,23,55,98,56,45,67,78,98,45,87,65,67,23,55,98,56,45,67,78]
len(a),len(b),len(c)
df=pd.DataFrame({'name':a,'kemu':b,'score':c})
df2=df.sort_values(['kemu','score','name'], ascending=[1, 0,1])
df2['rn']=df2.groupby(['kemu']).rank(method='first',ascending =0)['score']
df2[df2['rn']<=5]
''''

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。

推薦閱讀：