Pandas Art von Gruppe zu aggregieren und Spalte

Question

Angesichts der folgenden Datenrahmen

In [31]: rand = np.random.RandomState(1) 
     df = pd.DataFrame({'A': ['foo', 'bar', 'baz'] * 2, 
          'B': rand.randn(6), 
          'C': rand.rand(6) > .5}) 

In [32]: df 
Out[32]:  A   B  C 
     0 foo 1.624345 False 
     1 bar -0.611756 True 
     2 baz -0.528172 False 
     3 foo -1.072969 True 
     4 bar 0.865408 False 
     5 baz -2.301539 True 

Ich mag würde es in Gruppen sortieren (A) durch die aggregierte Summe von B, und dann durch den Wert in C (nicht aggregierten) . Deshalb sollte man im Grunde die Reihenfolge der A Gruppen mit

In [28]: df.groupby('A').sum().sort('B') 
Out[28]:    B C 
     A    
     baz -2.829710 1 
     bar 0.253651 1 
     foo 0.551377 1 

Und dann von True/False, so dass es letztlich wie folgt aussieht:

In [30]: df.ix[[5, 2, 1, 4, 3, 0]] 
Out[30]: A   B  C 
    5 baz -2.301539 True 
    2 baz -0.528172 False 
    1 bar -0.611756 True 
    4 bar 0.865408 False 
    3 foo -1.072969 True 
    0 foo 1.624345 False 

Wie dies geschehen kann?

Answer 1

GROUPBY A :

Innerhalb jeder Gruppe Summe über B und Broadcast den Wert s mit transformieren. Dann nach B sortieren:

In [1]: grp[['B']].transform(sum).sort('B') 
Out[1]: 
      B 
2 -2.829710 
5 -2.829710 
1 0.253651 
4 0.253651 
0 0.551377 
3 0.551377 

Indizieren Sie das ursprüngliche df, indem Sie den Index von oben übergeben.

In [2]: sort1 = df.ix[grp[['B']].transform(sum).sort('B').index] 

In [3]: sort1 
Out[3]: 
    A   B  C 
2 baz -0.528172 False 
5 baz -2.301539 True 
1 bar -0.611756 True 
4 bar 0.865408 False 
0 foo 1.624345 False 
3 foo -1.072969 True 

Schließlich sortieren ‚C‘ Werte innerhalb der Gruppen von ‚A‘ mit der sort=False Option, die eine Sortierreihenfolge von Schritt zu erhalten: Dies wird den A-Wert durch die Gesamtsumme der B-Werte neu zu bestellen 1:

In [4]: f = lambda x: x.sort('C', ascending=False) 

In [5]: sort2 = sort1.groupby('A', sort=False).apply(f) 

In [6]: sort2 
Out[6]: 
     A   B  C 
A 
baz 5 baz -2.301539 True 
    2 baz -0.528172 False 
bar 1 bar -0.611756 True 
    4 bar 0.865408 False 
foo 3 foo -1.072969 True 
    0 foo 1.624345 False 

reinigen df Index unter Verwendung reset_index mit drop=True up:

In [7]: sort2.reset_index(0, drop=True) 
Out[7]: 
    A   B  C 
5 baz -2.301539 True 
2 baz -0.528172 False 
1 bar -0.611756 True 
4 bar 0.865408 False 
3 foo -1.072969 True 
0 foo 1.624345 False 

Answer 2

Eine Möglichkeit, dies zu tun ist, eine Dummy-Spalte mit den Summen einzusetzen, um zu sortieren:

In [10]: sum_B_over_A = df.groupby('A').sum().B 

In [11]: sum_B_over_A 
Out[11]: 
A 
bar 0.253652 
baz -2.829711 
foo 0.551376 
Name: B 

in [12]: df['sum_B_over_A'] = df.A.apply(sum_B_over_A.get_value) 

In [13]: df 
Out[13]: 
    A   B  C sum_B_over_A 
0 foo 1.624345 False  0.551376 
1 bar -0.611756 True  0.253652 
2 baz -0.528172 False  -2.829711 
3 foo -1.072969 True  0.551376 
4 bar 0.865408 False  0.253652 
5 baz -2.301539 True  -2.829711 

In [14]: df.sort(['sum_B_over_A', 'A', 'B']) 
Out[14]: 
    A   B  C sum_B_over_A 
5 baz -2.301539 True  -2.829711 
2 baz -0.528172 False  -2.829711 
1 bar -0.611756 True  0.253652 
4 bar 0.865408 False  0.253652 
3 foo -1.072969 True  0.551376 
0 foo 1.624345 False  0.551376 

und vielleicht würden Sie die Dummy-Zeile löschen:

In [15]: df.sort(['sum_B_over_A', 'A', 'B']).drop('sum_B_over_A', axis=1) 
Out[15]: 
    A   B  C 
5 baz -2.301539 True 
2 baz -0.528172 False 
1 bar -0.611756 True 
4 bar 0.865408 False 
3 foo -1.072969 True 
0 foo 1.624345 False 

Answer 3

Hier ist ein prägnanter Ansatz ...

Die erste Zeile fügt dem Datenrahmen eine Spalte mit der gruppenweisen Summe hinzu. Die zweite Zeile führt die Sortierung aus und entfernt dann die zusätzliche Spalte.

Ergebnis:

A  B   C 
5 baz  -2.301539 True 
2 baz  -0.528172 False 
1 bar  -0.611756 True 
4 bar  0.865408 False 
3 foo  -1.072969 True 
0 foo  1.624345 False 

HINWEIS: sort ist veraltet, verwenden Sie stattdessen sort_values