Python中的SQLish窗口函数

Posted 2023-03-11

【中文标题】Python中的SQLish窗口函数

【英文标题】：SQLish window function in Python

【发布时间】：2019-08-20 15:51:01

【问题描述】：

我正在尝试在 Python 3.6 中执行类似 SQL 窗口函数的操作。我创建了以下代码，我发现 here，但我收到以下错误：

“ValueError：无法从重复的轴重新索引”

df = pd.DataFrame('id' : ['daeb21718d5a','daeb21718d5a','daeb21718d5a'],
           'product_id' : [123,456,789],
           'probability' : [0.076838,0.053384, 0.843900 ])

df['rank'] = df.sort_values(['probability'], ascending=False) \
               .groupby(['id']) \
               .cumcount() + 1

---

奇怪的是，如果我在分组之前添加.reset_index(drop=True)，则错误已修复。

【问题讨论】：

What does `ValueError: cannot reindex from a duplicate axis` mean?的可能重复

您的预期输出是什么？您要对哪一列进行排名？

您使用的是什么版本的 Pandas？你的代码对我来说很好用（Pandas 0.24.2）

我无法重现您的错误，您的代码在我的机器上运行良好。 （pandas.__version__ 是 0.23.4）

@MaxU 我用的是和你一样的版本。

【参考方案1】：

如果我对您的理解正确，您正在尝试根据id 的每组降序排列probability。

你快到了，以下将解决你的问题：

df['rank'] = df.sort_values(['probability'], ascending=False) \
             .groupby(['id'])['probability'] \
             .cumcount() + 1

print(df)
             id  product_id  probability  rank
0  daeb21718d5a         123     0.076838     2
1  daeb21718d5a         456     0.053384     3
2  daeb21718d5a         789     0.843900     1

或者我们可以为此使用 pandas .rank 方法：

df['rank'] = df.groupby('id')['probability'].rank(ascending=False)

print(df)
             id  product_id  probability  rank
0  daeb21718d5a         123     0.076838   2.0
1  daeb21718d5a         456     0.053384   3.0
2  daeb21718d5a         789     0.843900   1.0