探索Pandas分組排序

對於一個大數據集，我們可能會遇到需要對相同類別的數據進行分組排序的情況。Pandas是Python數據處理庫中的一個重要工具，它提供了一些常用的函數可以幫助我們輕鬆地實現分組排序功能。本文將對Pandas分組排序進行詳細闡述，包括從取第一條到添加組內序號等多個方面。

一、Pandas分組排序取第一條

在對數據進行分組排序時，我們常常需要取出每組排序後的第一條數據，來作為代表。使用Pandas的groupby()函數可以先把數據按照指定的列進行分組，然後再使用apply()函數將每個組的數據進行排序，在最後使用first()函數來獲取每個組的第一條數據。

import pandas as pd

# 構造DataFrame數據
data = {'name': ['Amy', 'Bob', 'Cathy', 'David', 'Ella', 'Frank', 'Grace', 'Harry', 'Ivy', 'Jack', 'Kevin'],
        'gender': ['F', 'M', 'F', 'M', 'F', 'M', 'F', 'M', 'F', 'M', 'M'],
        'age': [25, 30, 28, 22, 24, 29, 26, 27, 25, 31, 32],
        'score': [85, 90, 92, 88, 87, 93, 91, 86, 89, 94, 96]}

df = pd.DataFrame(data)

# 按照gender分組
grouped = df.groupby('gender')

# 對每組數據按照score進行排序，並返回每組的第一條數據
result = grouped.apply(lambda x: x.sort_values(['score'], ascending=False)).groupby('gender').first()

print(result)

上面的代碼將groupby()和apply()函數組合使用，實現了以性別為分組依據，每組數據按照分數降序排序，最後輸出每組排名第一的數據的效果。通過以上代碼的演示，我們可以了解到Pandas分組排序的基本使用方法。

二、Pandas分組取最小

同樣，我們可以使用Pandas的groupby()函數對數據進行分組，然後使用min()函數來獲取每組數據中最小值。

# 按照gender分組
grouped = df.groupby('gender')

# 對每組數據的age取最小值
result = grouped['age'].min()

print(result)

上述代碼實現了以性別為分組依據，輸出每組年齡的最小值。

三、Pandas分組排序序號

在分組排序中，我們常常希望知道每個數據在其所在組中的排名，使用Pandas中的rank()函數可以實現這一功能。

# 構造DataFrame數據
data = {'name': ['Amy', 'Bob', 'Cathy', 'David', 'Ella', 'Frank', 'Grace', 'Harry', 'Ivy', 'Jack', 'Kevin'],
        'gender': ['F', 'M', 'F', 'M', 'F', 'M', 'F', 'M', 'F', 'M', 'M'],
        'age': [25, 30, 28, 22, 24, 29, 26, 27, 25, 31, 32],
        'score': [85, 90, 92, 88, 87, 93, 91, 86, 89, 94, 96]}

df = pd.DataFrame(data)

# 按照gender分組
grouped = df.groupby('gender')

# 對每個分組的score進行排序，然後獲取排名
result = grouped.apply(lambda x: x.assign(rank=x['score'].rank(method='dense', ascending=False)))

print(result)

上面的代碼對每個分組的score進行排序後，使用rank()函數獲取排名，然後使用assign()函數將排名賦值給rank欄位，最終輸出完整的DataFrame，其中包含每個數據所在組和在組內的排名。

四、Pandas分組取數據

Pandas的groupby()函數除了能夠對數據進行分組排序，還能夠根據分組條件選擇出相應的數據。使用get_group()函數可以獲取指定分組的數據。

# 獲取gender為F的數據
result = grouped.get_group('F')

print(result)

上面的代碼輸出了所有gender為F的數據，即取出了DataFrame中符合指定條件的數據。

五、Pandas分組排序後獲取前三條

在對數據進行分組排序後，我們常常需要取出每組排名前幾位的數據。使用Pandas中的head()函數可以實現這一功能。

# 對每個分組的score進行排序，然後獲取前三條數據
result = grouped.apply(lambda x: x.sort_values(['score'], ascending=False).head(3))

print(result)

上面的代碼將每個分組的score進行排序，然後使用head()函數獲取排名前三的數據，最後輸出完整的DataFrame。

六、Pandas分組排序取每組第一個

在分組排序中，我們還可以使用first()函數獲取每組數據的第一個數據。

# 按照gender分組，並獲取每組的第一個數據
result = grouped.first()

print(result)

上面的代碼輸出了每個分組的第一條數據，即獲取每組數據的第一個數據。

七、Pandas分組排序添加組內序號

在將數據按照分組排序後，我們通常需要為其添加組內序號，使用Pandas中的cumcount()函數可以實現這一功能。

# 按照gender分組，然後對每個組的score排序，並添加排名
result = df.assign(rank=df.groupby('gender')['score'].rank(method='dense', ascending=False).astype(int))

print(result)

上述代碼使用cumcount()函數為每個分組內的數據添加排名。使用df.assign()函數將數值類型轉換為整型後輸出完整的DataFrame。

八、分組排序函數

除了上述介紹的常用函數外，Pandas還提供了一些分組排序函數可以供我們使用。下面分別介紹：

nlargest()

該函數返回指定列最大的幾個值。

# 獲取每個分組score最高的兩個數據
result = df.groupby('gender').apply(lambda x: x.nlargest(2, 'score'))

print(result)

nsmallest()

該函數返回指定列最小的幾個值。

# 獲取每個分組score最低的兩個數據
result = df.groupby('gender').apply(lambda x: x.nsmallest(2, 'score'))

print(result)

cummax()

該函數返回指定列的累計最大值。

# 獲取每個分組的score的累計最大值
result = df.groupby('gender')['score'].cummax()

print(result)

cummin()

該函數返回指定列的累計最小值。

# 獲取每個分組的score的累計最小值
result = df.groupby('gender')['score'].cummin()

print(result)

本文介紹了Pandas分組排序的使用方法，包括取第一條、取最小、添加序號等多個方面。通過本文的介紹，相信大家已經可以熟練掌握使用Pandas對數據進行分組排序的技巧了。