pandas groupby par tri dans les groupes
Je souhaite regrouper mon cadre de données en deux colonnes, puis trier les résultats agrégés au sein des groupes.
In [167]:
df
Out[167]:
count job source
0 2 sales A
1 4 sales B
2 6 sales C
3 3 sales D
4 7 sales E
5 5 market A
6 3 market B
7 2 market C
8 4 market D
9 1 market E
In [168]:
df.groupby(['job','source']).agg({'count':sum})
Out[168]:
count
job source
market A 5
B 3
C 2
D 4
E 1
sales A 2
B 4
C 6
D 3
E 7
J'aimerais maintenant trier la colonne de compte par ordre décroissant dans chacun des groupes. Et ensuite, ne prenez que les trois premières lignes. Pour obtenir quelque chose comme:
count
job source
market A 5
D 4
B 3
sales E 7
C 6
B 4
Ce que vous voulez faire est encore une fois groupby (sur le résultat du premier groupby): triez et prenez les trois premiers éléments par groupe.
A partir du résultat du premier groupe par:
In [60]: df_agg = df.groupby(['job','source']).agg({'count':sum})
Nous regroupons par le premier niveau de l'index:
In [63]: g = df_agg['count'].groupby(level=0, group_keys=False)
Ensuite, nous voulons trier ('ordre') chaque groupe et prendre les trois premiers éléments:
In [64]: res = g.apply(lambda x: x.order(ascending=False).head(3))
Cependant, pour cela, il existe une fonction de raccourci pour le faire, nlargest :
In [65]: g.nlargest(3)
Out[65]:
job source
market A 5
D 4
B 3
sales E 7
C 6
B 4
dtype: int64
Vous pouvez également le faire en une fois, en faisant le tri en premier et en utilisant head pour prendre les 3 premiers de chaque groupe.
In[34]: df.sort_values(['job','count'],ascending=False).groupby('job').head(3)
Out[35]:
count job source
4 7 sales E
2 6 sales C
1 4 sales B
5 5 market A
8 4 market D
6 3 market B
Voici un autre exemple de prise du top 3 en ordre de tri et de tri dans les groupes:
In [43]: import pandas as pd
In [44]: df = pd.DataFrame({"name":["Foo", "Foo", "Baar", "Foo", "Baar", "Foo", "Baar", "Baar"], "count_1":[5,10,12,15,20,25,30,35], "count_2" :[100,150,100,25,250,300,400,500]})
In [45]: df
Out[45]:
count_1 count_2 name
0 5 100 Foo
1 10 150 Foo
2 12 100 Baar
3 15 25 Foo
4 20 250 Baar
5 25 300 Foo
6 30 400 Baar
7 35 500 Baar
### Top 3 on sorted order:
In [46]: df.groupby(["name"])["count_1"].nlargest(3)
Out[46]:
name
Baar 7 35
6 30
4 20
Foo 5 25
3 15
1 10
dtype: int64
### Sorting within groups based on column "count_1":
In [48]: df.groupby(["name"]).apply(lambda x: x.sort_values(["count_1"], ascending = False)).reset_index(drop=True)
Out[48]:
count_1 count_2 name
0 35 500 Baar
1 30 400 Baar
2 20 250 Baar
3 12 100 Baar
4 25 300 Foo
5 15 25 Foo
6 10 150 Foo
7 5 100 Foo
Si vous n'avez pas besoin de faire la somme d'une colonne, utilisez la réponse de @ tvashtar. Si vous avez besoin de résumer, vous pouvez utiliser la réponse de @joris ou celle-ci qui lui ressemble beaucoup.
df.groupby(['job']).apply(lambda x: (x.groupby('source')
.sum()
.sort_values('count', ascending=False))
.head(3))