如何按列值的计数进行分组并对其进行排序？

Posted 2023-03-11

【中文标题】如何按列值的计数进行分组并对其进行排序？

【英文标题】：How can I group by the count number of column values and sort it?

【发布时间】：2017-12-13 01:37:04

【问题描述】：

如何按列值的计数进行分组并排序？

我是熊猫学习者。

我有一个名为 data.log 的原始数据框。现在我想按'c-ip-1'计算数字组，并对结果进行排序。

原始data.log：

   sc-status  sc-substatus  sc-win32-status  time-taken       c-ip-1
0        200             0                0         986  31.7.188.55
1        200             0                0        2539  31.7.188.55
2        200             0                0        1172  31.7.188.56
3        200             0                0        3152  31.7.188.80
4        200             0                0        1091  31.7.188.80
...
99       200             0                0        1115  31.9.200.60
100      200             0                0        2000  31.9.200.61

预期结果如下：

         c-ip-1                 count
0        31.7.188.56            1     
1        31.9.200.61            1  
2        31.7.188.55            2  
...
34       31.9.200.60            5

我尝试编写python代码并运行它，但是失败了：

import pandas as pd

df = pd.read_table('data.log', sep=" ")

print(df[['c-ip-1']].groupby(['c-ip-1']).agg(['count'])

如何使用python解决问题？

【参考方案1】：

我认为您需要通过GroupBy.size 聚合，然后是Series.sort_values，最后是Series.reset_index：

#better is more general separator `\s+` - one or more whitespaces
df = pd.read_table('data.log', sep="\s+")

df1 = df.groupby('c-ip-1').size().sort_values().reset_index(name='count')
print (df1)
        c-ip-1  count
0  31.7.188.56      1
1  31.9.200.60      1
2  31.9.200.61      1
3  31.7.188.55      2
4  31.7.188.80      2

What is the difference between size and count in pandas?

【参考方案2】：

您可以使用pd.Series.value_counts。默认情况下，它按计数大小的降序排序。您可以传递参数ascending=False 来反转它。然后重命名轴和列

df['c-ip-1'].value_counts(ascending=True) \
    .rename_axis('c-ip-1').reset_index(name='count')

        c-ip-1  count
0  31.9.200.61      1
1  31.9.200.60      1
2  31.7.188.56      1
3  31.7.188.55      2
4  31.7.188.80      2

【讨论】：

我会感谢一些关于否决票的反馈。我希望有机会解决任何问题

【参考方案3】：

df[['c-ip-1']].groupby(['c-ip-1']).agg(c=('type', 'count')).sort_values("c")