用 Pandas 计数和排序

Posted 2023-03-11

【中文标题】用 Pandas 计数和排序

【英文标题】：Count and Sort with Pandas

【发布时间】：2017-03-20 03:19:21

【问题描述】：

我有一个用于值的数据框，形成一个文件，我按两列分组，这将返回聚合的计数。现在我想按最大计数值排序，但是我收到以下错误：

KeyError: 'count'

看起来按 agg count 列分组是某种索引，所以不知道该怎么做，我是 Python 和 Panda 的初学者。 这是实际代码，如果您需要更多详细信息，请告诉我：

def answer_five():
    df = census_df#.set_index(['STNAME'])
    df = df[df['SUMLEV'] == 50]
    df = df[['STNAME','CTYNAME']].groupby(['STNAME']).agg(['count']).sort(['count'])
    #df.set_index(['count'])
    print(df.index)
    # get sorted count max item
    return df.head(5)

【参考方案1】：

我认为您需要添加reset_index，然后将ascending=False 参数添加到sort_values 因为sort 返回：

FutureWarning：不推荐使用 sort(columns=....)，请使用 sort_values(by=.....) .sort_values(['count'], 升序=False)

df = df[['STNAME','CTYNAME']].groupby(['STNAME'])['CTYNAME'] \
                             .count() \
                             .reset_index(name='count') \
                             .sort_values(['count'], ascending=False) \
                             .head(5)

示例：

df = pd.DataFrame('STNAME':list('abscscbcdbcsscae'),
                   'CTYNAME':[4,5,6,5,6,2,3,4,5,6,4,5,4,3,6,5])

print (df)
    CTYNAME STNAME
0         4      a
1         5      b
2         6      s
3         5      c
4         6      s
5         2      c
6         3      b
7         4      c
8         5      d
9         6      b
10        4      c
11        5      s
12        4      s
13        3      c
14        6      a
15        5      e

df = df[['STNAME','CTYNAME']].groupby(['STNAME'])['CTYNAME'] \
                             .count() \
                             .reset_index(name='count') \
                             .sort_values(['count'], ascending=False) \
                             .head(5)

print (df)
  STNAME  count
2      c      5
5      s      4
1      b      3
0      a      2
3      d      1

---

不过看来你需要Series.nlargest:

df = df[['STNAME','CTYNAME']].groupby(['STNAME'])['CTYNAME'].count().nlargest(5)

或：

df = df[['STNAME','CTYNAME']].groupby(['STNAME'])['CTYNAME'].size().nlargest(5)

size和count的区别是：

size 计数 NaN 值，count 不计数。

示例：

df = pd.DataFrame('STNAME':list('abscscbcdbcsscae'),
                   'CTYNAME':[4,5,6,5,6,2,3,4,5,6,4,5,4,3,6,5])

print (df)
    CTYNAME STNAME
0         4      a
1         5      b
2         6      s
3         5      c
4         6      s
5         2      c
6         3      b
7         4      c
8         5      d
9         6      b
10        4      c
11        5      s
12        4      s
13        3      c
14        6      a
15        5      e

df = df[['STNAME','CTYNAME']].groupby(['STNAME'])['CTYNAME']
                             .size()
                             .nlargest(5)
                             .reset_index(name='top5')
print (df)
  STNAME  top5
0      c     5
1      s     4
2      b     3
3      a     2
4      d     1

【讨论】：

@jul - 可以省略它，因为在您的数据中使用的是 Series，而不是 DataFrame

我正在尝试使用 Series 并获得 TypeError: set_index() got an unexpected keyword argument 'name'

确实如此。 df.groupby('track_id').size().reset_index(name='count').sort_values('count', ascending=False) 工作。

我收到错误：TypeError: set_index() got an unexpected keyword argument 'name'。以下为我工作（差异数据和概率）：df[[col1, col2]].groupby(col1).count().sort_values(col2, ascending=False)

@ak2205 - 这意味着它不是Series，使用.reset_index()，如果需要，使用rename(columns='index':'col')

【参考方案2】：

我不知道你的 df 到底长什么样。但是，如果您必须按其计数对多个类别的频率进行排序，则从 df 中切出一个系列并对其进行排序会更容易：

series = df.count().sort_values(ascending=False)
series.head()

请注意，本系列将使用类别名称作为索引！

【参考方案3】：

我同意 @Christoph Schranz 从数据帧中提取一系列片段

df[['STNAME','CTYNAME']].groupby('STNAME')['CTYNAME'].count().nlargest(3)

【参考方案4】：

现有的一些答案已经过时。以下解决方案适用于列出列及其不同值的频率：

df = df[col].value_counts(ascending=False).reset_index()

【讨论】：

这对我有用。谢谢！

【参考方案5】：

要按列数对行进行排序，您可以这样做：

sorted_index = df['col'].value_counts().index
df.set_index('col').loc[sorted_index].reset_index()

如果要保留旧索引，请执行以下操作：

sorted_index = df['col'].value_counts().index
df['index'] = df.index
df.set_index('col', drop=True).loc[sorted_index].reset_index().set_index('index', drop=True)