根据 Pandas 中的组大小对分组数据进行排序

Posted 2023-03-11

【中文标题】根据 Pandas 中的组大小对分组数据进行排序

【英文标题】：Sorting the grouped data as per group size in Pandas

【发布时间】：2014-04-13 00:55:22

【问题描述】：

我的数据集中有两列 col1 和 col2。我想根据 col1 对数据进行分组，然后根据每个组的大小对数据进行排序。也就是说，我想按组的大小升序显示组。

我已经编写了用于分组和显示数据的代码如下：

grouped_data = df.groupby('col1')
"""code for sorting comes here"""
for name,group in grouped_data:
          print (name)
          print (group)

在显示数据之前，我需要根据组大小对其进行排序，这是我无法做到的。

【参考方案1】：

对于 Pandas 0.17+，请使用 sort_values：

df.groupby('col1').size().sort_values(ascending=False)

对于 pre-0.17，你可以使用size().order():

df.groupby('col1').size().order(ascending=False)

【讨论】：

我在做 df.groupby('A')['B'].mean()。有没有办法让使用大小排序的组的手段？谢谢

@Neo 你的意思是：df.groupby('A')['B'].mean().sort_values(ascending=False) ？

我认为这将对 mean() 值进行排序。我想首先对组进行排序（使用它们的大小），然后找到每个组的平均值。

@Neo 我认为这样可以： df.groupby("A")['B'].agg(['size', 'mean']).sort_values(by='size' , 升序=假)

【参考方案2】：

可以使用python的sorted:

In [11]: df = pd.DataFrame([[1, 2], [1, 4], [5, 6]], index=['a', 'b', 'c'], columns=['A', 'B'])

In [12]: g = df.groupby('A')

In [13]: sorted(g,  # iterates pairs of (key, corresponding subDataFrame)
                key=lambda x: len(x[1]),  # sort by number of rows (len of subDataFrame)
                reverse=True)  # reverse the sort i.e. largest first
Out[13]: 
[(1,    A  B
     a  1  2
     b  1  4),
 (5,    A  B
     c  5  6)]

注意：作为一个迭代器g，迭代成对的键和对应的子帧：

In [14]: list(g)  # happens to be the same as the above...
Out[14]:
[(1,    A  B
     a  1  2
     b  1  4,
 (5,    A  B
     c  5  6)]

【讨论】：

sorted 函数运行良好，但它返回一个列表。列表的每个元素都是一个 pandas 数据框。所以我尝试使用以下代码访问列： sorted_data = sorted (...) print sorted_data[0]['col2'] 但这不起作用。如何访问排序列表中数据框的每一列？

这是一个元组列表，所以你可以用：for name, group in sorted(..)迭代它，那么列是group['col2']。或者你可以sorted_data[0][1]['col2']...

哦，是的。我错过了注意到它是一个元组列表。谢谢。

【参考方案3】：

df = pandas.DataFrame([[5, 5], [9, 7], [1, 8], [1, 7], [7, 8],
                       [9, 5], [5, 6], [1, 2], [1, 4], [5, 6]],
                      columns=['A', 'B'])

  A   B 0   5   5 1   9   7 2   1   8 3   1   7 4   7   8 5   9   5 6   5   6 7   1   2 8   1   4 9   5   6

group = df.groupby('A')

count = group.size()

count  
A  

1   4 5   3 7   1 9   2 数据类型：int64

grp_len = count[count.index.isin(count.nlargest(2).index)]

grp_len   
A  

1   4 5   3 数据类型：int64