如何在熊猫数据框组中创建订单？

Posted 2023-03-11

【中文标题】如何在熊猫数据框组中创建订单？

【英文标题】：How to create order in pandas dataframe groups?

【发布时间】：2019-02-10 01:47:22

【问题描述】：

我有数据数据框，我想在其中添加列，该列将分别指示每个 user_id 的日期顺序，所以它就像在 TABLE2 中一样。

表 1：

user_id         received_at          action    
0043e1a6-52e4   2018-01-05 12:32:10  A                 
                2018-01-05 12:33:13  A                 
                2018-01-05 12:42:12  B                 
0070f782-29f4   2018-01-06 01:41:18  A                 
                2018-01-06 01:42:12  A                 
                2018-01-06 01:43:11  B                 
                2018-01-06 01:44:18  C                               
008aa58a-84a5   2018-01-06 14:22:13  A                 
                2018-01-06 14:23:18  A                 
                2018-01-06 14:24:13  A                 
                2018-01-06 14:25:18  C 

这样的事情

表 2：

user_id         received_at          action  order_n 
0043e1a6-52e4   2018-01-05 12:32:10  A       1               
                2018-01-05 12:33:13  A       2               
                2018-01-05 12:42:12  B       3               
0070f782-29f4   2018-01-06 01:41:18  A       1               
                2018-01-06 01:42:12  A       2               
                2018-01-06 01:43:11  B       3               
                2018-01-06 01:44:18  C       4                             
008aa58a-84a5   2018-01-06 14:22:13  A       1               
                2018-01-06 14:23:18  A       2               
                2018-01-06 14:24:13  A       3               
                2018-01-06 14:25:18  C       4  

有没有比分别对每个 user_id 进行迭代更有效、可能更简单的解决方案？

【问题讨论】：

我认为您的输出中有几次与输入 DataFrame 不匹配。

Pandas Number Rows Within Group的可能重复

df['order_n'] = df.groupby(level=0).cumcount()+1

我修复了输出示例。不幸的是，您提供的解决方案不起作用。

【参考方案1】：

groupby user_id 并使用received_at 获取rank

df['count_n'] = df.groupby('user_id').received_at.apply(pd.Series.rank)

这不需要排序步骤，即使数据框未按每个组内的received_at 排序，也会分配正确的排名

如果将user_id 列设置为索引（如您的示例数据似乎 所示），您可以替代使用以下内容。虽然，在最新版本的 pandas 中，按命名索引分组也有效（即上述方法可能有效）

df.groupby(level=0).received_at.apply(pd.Series.rank)

【讨论】：

谢谢，您的第一个解决方案适用于本示例。但是，在更大的样本中，如果一个“received_at”中有两个不同的“动作”，它会提供浮点“count_n”。添加标志解决了这个问题： df['count_n'] = df.groupby('user_id').received_at.apply(pd.Series.rank, method='first' )

@Somew，很高兴您能够解决问题