熊猫按多列排名

Posted 2023-02-16

【中文标题】熊猫按多列排名

【英文标题】：Pandas rank by multiple columns

【发布时间】：2017-06-17 21:08:35

【问题描述】：

我正在尝试根据两列对熊猫数据框进行排名。 我可以根据一列对其进行排名，但如何根据两列对其进行排名？ “SaleCount”，然后是“TotalRevenue”？

import pandas as pd

df = pd.DataFrame('TotalRevenue':[300,9000,1000,750,500,2000,0,600,50,500],
    'Date':['2016-12-02' for i in range(10)],
    'SaleCount':[10,100,30,35,20,100,0,30,2,20],
    'shops':['S3','S2','S1','S5','S4','S8','S6','S7','S9','S10'])

df['Rank'] = df.SaleCount.rank(method='dense',ascending = False).astype(int)

#df['Rank'] = df.TotalRevenue.rank(method='dense',ascending = False).astype(int)
df.sort_values(['Rank'], inplace=True)

print(df)

当前输出：

    Date        SaleCount   TotalRevenue    shops   Rank
1   2016-12-02  100          9000            S2      1
5   2016-12-06  100          2000            S8      1
3   2016-12-04  35           750             S5      2
2   2016-12-03  30           1000            S1      3
7   2016-12-08  30           600             S7      3
9   2016-12-10  20           500             S10     4
4   2016-12-05  20           500             S4      4
0   2016-12-01  10           300             S3      5
8   2016-12-09  2            50              S9      6
6   2016-12-07  0            0               S6      7

我正在尝试生成这样的输出：

    Date        SaleCount   TotalRevenue    shops   Rank
1   2016-12-02  100          9000            S2      1
5   2016-12-02  100          2000            S8      2
3   2016-12-02  35           750             S5      3
2   2016-12-02  30           1000            S1      4
7   2016-12-02  30           600             S7      5
9   2016-12-02  20           500             S10     6
4   2016-12-02  20           500             S4      6
0   2016-12-02  10           300             S3      7
8   2016-12-02  2            50              S9      8
6   2016-12-02  0            0               S6      9

【参考方案1】：

pd.factorize 将为可迭代的每个唯一元素生成唯一值。我们只需要按照我们想要的顺序排序，然后分解。为了做多列，我们将排序结果转换为元组。

cols = ['SaleCount', 'TotalRevenue']
tups = df[cols].sort_values(cols, ascending=False).apply(tuple, 1)
f, i = pd.factorize(tups)
factorized = pd.Series(f + 1, tups.index)

df.assign(Rank=factorized)

         Date  SaleCount  TotalRevenue shops  Rank
1  2016-12-02        100          9000    S2     1
5  2016-12-02        100          2000    S8     2
3  2016-12-02         35           750    S5     3
2  2016-12-02         30          1000    S1     4
7  2016-12-02         30           600    S7     5
4  2016-12-02         20           500    S4     6
9  2016-12-02         20           500   S10     6
0  2016-12-02         10           300    S3     7
8  2016-12-02          2            50    S9     8
6  2016-12-02          0             0    S6     9

【参考方案2】：

另一种方法是将两个感兴趣的列类型转换为str，并通过连接它们来组合它们。将它们转换回数值，以便可以根据它们的大小来区分它们。

在method=dense 中，重复值的等级将保持不变。 （这里：6）

由于您想按降序排列这些，在Series.rank() 中指定ascending=False 可以让您获得所需的结果。

col1 = df["SaleCount"].astype(str) 
col2 = df["TotalRevenue"].astype(str)
df['Rank'] = (col1+col2).astype(int).rank(method='dense', ascending=False).astype(int)
df.sort_values('Rank')

【讨论】：

是的。否则，rank 将无法根据数量级分配组。

@piRSquared：非常感谢 :-)

请注意，将(col1+col2 的两列进行字符串连接会很危险 没有 回退astype(int) 会很危险，因为 '30' > '100' 在字符串土地排序顺序。

这在语法上可能是正确的，但是如果您看到排名仍然有效地基于 TotalRevenue 列。这是因为这两个数字的规模不同，因此它们的总和主要受 TotalRevenue 的影响，而受 SaleCount 的影响不大。也许在加起来之前将它们标准化应该会有所帮助。

这个方案基本上是按照totalrevenue排名的

【参考方案3】：

（对两个（非负）int 列进行排名的正确方法是按照 Nickil Maveli 的回答，将它们转换为字符串，将它们连接起来并转换回 int。）

但是如果您知道TotalRevenue 被限制在某个范围内，这里有一个快捷方式，例如0 到 MAX_REVENUE=100,000 ；直接将它们作为非负整数操作：

df['Rank'] = (df['SaleCount']*MAX_REVENUE + df['TotalRevenue']).rank(method='dense', ascending=False).astype(int)

df.sort_values('Rank2')

【参考方案4】：

执行此操作的通用方法是将所需的字段分组到一个元组中，无论类型如何。

df["Rank"] = df[["SaleCount","TotalRevenue"]].apply(tuple,axis=1)\
             .rank(method='dense',ascending=False).astype(int)

df.sort_values("Rank")

   TotalRevenue        Date  SaleCount shops  Rank
1          9000  2016-12-02        100    S2     1
5          2000  2016-12-02        100    S8     2
3           750  2016-12-02         35    S5     3
2          1000  2016-12-02         30    S1     4
7           600  2016-12-02         30    S7     5
4           500  2016-12-02         20    S4     6
9           500  2016-12-02         20   S10     6
0           300  2016-12-02         10    S3     7
8            50  2016-12-02          2    S9     8
6             0  2016-12-02          0    S6     9

【讨论】：

如果我们想在这种情况下按另一列（如商店）进行分组怎么办？

@EduardoEPF 将其添加到列表中，即 df[["SaleCount","TotalRevenue", "shops"]].apply(tuple,axis=1)\.rank(method='dense ',ascending=False).astype(int)

【参考方案5】：

sort_values + GroupBy.ngroup

这将给出dense 排名。

应该在 groupby 之前按所需的顺序对列进行排序。在 groupby 中指定 sort=False 会遵循这种排序，以便按照它们在排序后的 DataFrame 中出现的顺序对组进行标记。

cols = ['SaleCount', 'TotalRevenue']
df['Rank'] = df.sort_values(cols, ascending=False).groupby(cols, sort=False).ngroup() + 1

---

输出：

print(df.sort_values('Rank'))

   TotalRevenue        Date  SaleCount shops  Rank
1          9000  2016-12-02        100    S2     1
5          2000  2016-12-02        100    S8     2
3           750  2016-12-02         35    S5     3
2          1000  2016-12-02         30    S1     4
7           600  2016-12-02         30    S7     5
4           500  2016-12-02         20    S4     6
9           500  2016-12-02         20   S10     6
0           300  2016-12-02         10    S3     7
8            50  2016-12-02          2    S9     8
6             0  2016-12-02          0    S6     9