我有DataFrame如下。我想要得到的是 mininim 1st, 2nd, ... , n Valuefor eachArticle并且知道Name每個的Value來源。df Article Name Value0 A_01 P_01 3601 A_03 P_01 6252 A_01 P_07 3603 A_01 P_09 3704 A_02 P_09 8475 A_03 P_09 6856 A_03 P_18 6507 A_02 P_22 9358 A_03 P_22 6259 A_02 P_25 75010 A_03 P_25 60011 A_01 P_26 50012 A_02 P_26 75013 A_03 P_26 60014 A_01 P_33 48015 A_03 P_33 750我正在使用此代碼n minimum value查找n minimum name每個Article. 首先，我轉動我df的以獲得：list_articles = df['Article'].drop_duplicates()list_names = list(df['Name'].drop_duplicates())pivot_df = df.pivot(index='Article', columns='Name', values='Value').reset_index()pivot_dfName Article P_01 P_07 P_09 P_18 P_22 P_25 P_26 P_330 A_01 360.0 360.0 370.0 NaN NaN NaN 500.0 480.01 A_02 NaN NaN 847.0 NaN 935.0 750.0 750.0 NaN2 A_03 625.0 NaN 685.0 650.0 625.0 600.0 600.0 750.0然后我運行了 lambda 函數來查找minimum_value和對應minimum_name：for i in range(1, 4): # minimum 3 pivot_df[f'Min_{i}_Value'] = pivot_df[list_names].T.apply(lambda x: x.nsmallest(i).max()) pivot_df[f'Min_{i}_Name'] = pivot_df[list_names].T.apply(lambda x: x.nsmallest(i).idxmax())這給了我另外 6 列：pivot_dfName Article P_01 P_07 ... Min_2_Name Min_3_Value Min_3_Name0 A_01 360.0 360.0 ... P_01 370.0 P_091 A_02 NaN NaN ... P_25 847.0 P_092 A_03 625.0 NaN ... P_25 625.0 P_01最后，我的問題是什么？如果你仔細觀察，你會發現Min_1_ValueandMin_2_Value是一樣的（這是正確的），但是Min_1_Name和Min_2_Name也是一樣的，這是不正確的。為什么？因為在原始數據中，同一篇文章有兩個具有相同值的名稱，所以這是平局。我的代碼正在通過 min_n_value 的索引查找 min_n 的名稱，因此如果匹配超過 1 個，則不考慮平局的可能性。但是如何Min_2_Name正確分配不是的Min_1_Name呢？可以按字母順序選擇，沒關系。你有什么主意嗎？
2 回答
Smart貓小萌
TA貢獻1911條經驗 獲得超7個贊
我希望您的解決方案應該簡化 - 首先DataFrame.sort_values是 2 列：
df = df.sort_values(['Article','Value'])
print (df)
Article Name Value
0 A_01 P_01 360
2 A_01 P_07 360
3 A_01 P_09 370
14 A_01 P_33 480
11 A_01 P_26 500
9 A_02 P_25 750
12 A_02 P_26 750
4 A_02 P_09 847
7 A_02 P_22 935
10 A_03 P_25 600
13 A_03 P_26 600
1 A_03 P_01 625
8 A_03 P_22 625
6 A_03 P_18 650
5 A_03 P_09 685
15 A_03 P_33 750
然后創建計數器 Series byGroupBy.cumcount并通過 過濾 top3 值boolean indexing，添加MultiIndex并重塑 by Series.unstack，最后MultiIndex按 s 在列中展平f-string：
g = df.groupby('Article').cumcount().add(1)
mask = g < 4
df = df[mask].set_index(['Article',g[mask]]).unstack().sort_index(axis=1, level=1)
df.columns = df.columns.map(lambda x: f'Min_{x[1]}_{x[0]}')
df = df.reset_index()
print (df)
Article Min_1_Name Min_1_Value Min_2_Name Min_2_Value Min_3_Name \
0 A_01 P_01 360 P_07 360 P_09
1 A_02 P_25 750 P_26 750 P_09
2 A_03 P_25 600 P_26 600 P_01
Min_3_Value
0 370
1 847
2 625
慕萊塢森
TA貢獻1810條經驗 獲得超4個贊
您可以通過用 NaN 替換以前的最小來實現它。
import pandas as pd
import numpy as np
df = pd.DataFrame(
[['A_01', 'P_01', 360],
['A_03', 'P_01', 625],
['A_01', 'P_07', 360],
['A_01', 'P_09', 370],
['A_02', 'P_09', 847],
['A_03', 'P_09', 685],
['A_03', 'P_18', 650],
['A_02', 'P_22', 935],
['A_03', 'P_22', 625],
['A_02', 'P_25', 750],
['A_03', 'P_25', 600],
['A_01', 'P_26', 500],
['A_02', 'P_26', 750],
['A_03', 'P_26', 600],
['A_01', 'P_33', 480],
['A_03', 'P_33', 750]])
df.columns=['Article','Name','Value']
list_articles = df['Article'].drop_duplicates()
list_names = list(df['Name'].drop_duplicates())
pivot_df = df.pivot(index='Article', columns='Name', values='Value').reset_index()
for i in range(1, 4):
pivot_df[f'Min_{i}_Value'] = pivot_df[list_names].T.apply(lambda x: x.nsmallest(1).max())
indices=pivot_df[list_names].T.apply(lambda y: y.nsmallest(1).idxmax())
pivot_df[f'Min_{i}_Name'] = indices
for i,x in enumerate(indices):
pivot_df[x][i]=np.nan
ColsToKeep = [x for x in pivot_df.columns.tolist() if x not in list_names]
ColsToKeep = [x for x in ColsToKeep if x[:3] == 'Min']
ColsToKeep.sort()
ColsToKeep = ['Article'] + ColsToKeep
final_df = pivot_df[ColsToKeep]
final_df
添加回答
舉報
0/150
提交
取消