Python Pandas groupby 并沿多列排序

Posted 2023-03-27

【中文标题】Python Pandas groupby 并沿多列排序

【英文标题】：Python Pandas groupby and sort along multiple columns

【发布时间】：2022-01-16 18:46:31

【问题描述】：

我在玩 pandas 的 groupby 功能，有一些我无法实现。

我的数据是这样的：

   data = (
    'Color1':["Blue", "Red", "Green", "Blue", "Red", "Green", "Blue", "Red", "Green"],
    'Color2':["Purple", "Pink", "Yellow", "Purple", "Pink", "Yellow", "Brown", "White", "Grey"],
    'Value':[20, 20, 20, 25, 25, 25, 5, 55, 30]
)

df = pd.DataFrame(data)

我使用 groupby 进行了一些排序（背后的想法是从较大的数据集中提取一些 top N）

df2 = df.groupby(['Color1'], sort=True).sum()[['Value']].reset_index()
df2 = df2.sort_values(by=['Value'], ascending=False)
print(df2)

颜色 1 值 2红100 1 绿色 75 0 蓝色 50

但我最关心的是如何对添加 Color2 进行分组和排序，同时保留 Color 1 上的排序，即结果如下：

  Color1  Color2  Value
0    Red   White     55
1    Red    Pink     45
2  Green  Yellow     45
3  Green    Grey     30
4   Blue  Purple     45
5   Blue   Brown      5

非常感谢您的帮助

【参考方案1】：

试试：

>>> df.groupby(['Color1', 'Color2']).sum() \
      .sort_values(['Color1', 'Value'], ascending=False).reset_index()

  Color1  Color2  Value
0    Red   White     55
1    Red    Pink     45
2  Green  Yellow     45
3  Green    Grey     30
4   Blue  Purple     45
5   Blue   Brown      5

【参考方案2】：

问题是值是字符串，所以sum 加入值而不是求和。

需要将列转换为数字：

df = pd.DataFrame(data)
df['Value'] = df['Value'].astype(int)
df2 = df.groupby(['Color1','Color2'], sort=False)['Value'].sum().reset_index()

df2 = df2.sort_values(by=['Value'], ascending=False)

如果需要按Color1, Color2 和Color1 中的原始顺序排序，请使用有序分类：

vals = df2['Color1'].unique()
df2['Color1'] = pd.Categorical(df2['Color1'], ordered=True, categories=vals)

df2 = df2.sort_values(['Color1','Color2'])
print(df2)

  Color1  Color2  Value
1    Red    Pink     45
4    Red   White     55
3   Blue   Brown      5
0   Blue  Purple     45
5  Green    Grey     30
2  Green  Yellow     45

【讨论】：

非常感谢，我编辑了原始帖子，因为我无法进行我想要的第二类操作

@jezrael。 groupby 中缺少 ]

@Bebz - 答案已编辑。