Question

Pandas相对较新，来自R背景。我有一个像这样的DataFrame

import pandas as pd
import numpy as np

df = pd.DataFrame({'ProductID':[0,5,9,3,2,8], 'StoreID':[0,0,0,1,1,2]})

   ProductID  StoreID
0          0        0
1          5        0
2          9        0
3          3        1
4          2        1
5          8        2

对于每个StoreID，如何根据订购的ProductID将df的行标记为1,2，...那么，我该如何规范这些排名呢？换句话说，我如何实现以下

df['Product_Rank_Index'] = np.array([1,2,3,2,1,1])
df['Product_Rank_Index_Normalized'] = np.array([1/3, 2/3, 3/3, 2/2, 1/2, 1/1])

   ProductID  StoreID  Product_Rank_Index  Product_Rank_Index_Normalized
0          0        0                   1                       0.333333
1          5        0                   2                       0.666667
2          9        0                   3                       1.000000
3          3        1                   2                       1.000000
4          2        1                   1                       0.500000
5          8        2                   1                       1.000000

我已尝试用df.groupby('StoreID')做一些事情，但无法正常工作。

Answer 1

感谢this回答。

df.groupby('StoreID').ProductID.apply(lambda x: x.rank()/len(x))

Answer 2

您可以先对值进行排序，然后进行分组，如下所示

>>> import pandas as pd
>>> df = pd.DataFrame({'ProductID':[0,5,9,3,2,8], 'StoreID':[0,0,0,1,1,2]})
>>> df.sort(['StoreID', 'ProductID'], inplace=True)
>>> df                
   ProductID  StoreID 
0          0        0 
1          5        0 
2          9        0 
4          2        1 
3          3        1 
5          8        2 
>>> df.groupby('StoreID').apply(lambda grp: range(1, len(grp)+1))
StoreID
0    [1, 2, 3]
1       [1, 2]
2          [1]
>>> df.groupby('StoreID').apply(lambda grp: range(1, len(grp)+1)).sum()
[1, 2, 3, 1, 2, 1]
>>> df['Rank'] = df.groupby('StoreID').apply(lambda grp: range(1, len(grp)+1)).sum()
>>> df
   ProductID  StoreID  Rank
0          0        0     1
1          5        0     2
2          9        0     3
4          2        1     1
3          3        1     2
5          8        2     1

然后你可以按照自己的方式规范你的等级..

Answer 3

Ben你指出，你可以这样做：

 df.groupby('StoreID').ProductID.apply(lambda x: x.rank()/len(x))

请注意，使用transform可以获得相同的结果但更好的练习和更快（大约快两倍）：

In [32]: %timeit df.groupby('StoreID').ProductID.apply(lambda x: x.rank()/len(x))
100 loops, best of 3: 2.26 ms per loop

In [31]: %timeit df.groupby('StoreID').ProductID.transform(lambda x: x.rank()/len(x))
1000 loops, best of 3: 1.3 ms per loop

如何将此功能应用于我的DataFrame中的每个组

3 个答案: