我有这个数据帧:
person_code type growth size ...
0 . 231 32 0.54 32
1 . 233 43 0.12 333
2 . 432 32 0.44 21
3 . 431 56 0.32 23
4 . 654 89 0.12 89
5 . 764 32 0.20 211
6 . 434 32 0.82 90
...
(这个数据框很大,我在这里进行了简化)
我想为每种类型创建一个数据帧,其中3个具有更高“增长”的人,按其排序。我希望能够按类型调用它。在这种情况下,让我们使用类型32,因此输出df应如下所示:
person_code type growth size ...
6 . 434 32 0.82 90
0 . 231 32 0.54 32
2 . 432 32 0.44 21
...
我明白这将是使用groupby的东西:
groups=dataframe.groupby('type')
但是我如何用类型为32的行调用groupby对象?那么仅通过增长将前3名分开的最佳方法是什么?
IIUC,你不需要groupby,只需query
过滤数据帧然后nlargest
:
df.query('type == 32').nlargest(3, 'growth')
并且,要参数化“类型”输入,您可以使用以下语法:
in_type = 32
df.query('type == @in_type').nlargest(3, 'growth')
输出:
person_code type growth size
6 . 434 32 0.82 90
0 . 231 32 0.54 32
2 . 432 32 0.44 21
或者,如果要使用groupby,则可以使用查询仅获取所需的类型。
type_group_df = df.groupby('type', group_keys=False)\
.apply(pd.DataFrame.nlargest,n=3,columns='growth')
要调用它,您可以使用:
type_group_df.query('type == 32')
如果你有一个类型的字符串,它将如下所示:
type_group_df.query('type == "brazilian"')
但是,如果您的列名称以特殊字符(例如“#”)开头,则应使用以下命令:
type_group_df[type_group_df['#type'] == 32]
输出:
person_code type growth size
6 . 434 32 0.82 90
0 . 231 32 0.54 32
2 . 432 32 0.44 21
查询另一种类型(43):
type_group_df.query('type == 43')
输出:
person_code type growth size
1 . 233 43 0.12 333
您可以同时为所有type
s执行此操作:
df.groupby('type').apply(lambda dft: dft.nlargest(3, 'growth'))
回报
person_code type growth size
type
32 6 434 32 0.82 90
0 231 32 0.54 32
2 432 32 0.44 21
43 1 233 43 0.12 333
56 3 431 56 0.32 23
89 4 654 89 0.12 89
就像是 ?
df.sort_values(['type','person_code']).groupby('type').head(3)
Out[184]:
person_code type growth size
0 231 32 0.54 32
2 432 32 0.44 21
6 434 32 0.82 90
1 233 43 0.12 333
3 431 56 0.32 23
4 654 89 0.12 89
找出每组的前3个增长值的指数,并将1级指数输入.loc
。
idx = df.groupby("type")["growth"].nlargest(3).index
# MultiIndex(levels=[[32, 43, 56, 89], [0, 1, 2, 3, 4, 6]],
# labels=[[0, 0, 0, 1, 2, 3], [5, 0, 2, 1, 3, 4]],
# names=['type', None])
dftop3 = df.loc[idx.get_level_values(1)]
person_code type growth size
6 434 32 0.82 90
0 231 32 0.54 32
2 432 32 0.44 21
1 233 43 0.12 333
3 431 56 0.32 23
4 654 89 0.12 89
dftop3[dftop3.type == 32]
person_code type growth size
6 434 32 0.82 90
0 231 32 0.54 32
2 432 32 0.44 21