所以我有一個這樣的 dfIn [1]:data= {'Group': ['A','A','A','A','A','A','B','B','B','B'], 'Name': [ ' Sheldon Webb',' Traci Dean',' Chad Webster',' Ora Harmon',' Elijah Mendoza',' June Strickland',' Beth Vasquez',' Betty Sutton',' Joel Gill',' Vernon Stone'], 'Performance':[33,64,142,116,122,68,95,127,132,80]}In [2]:df = pd.DataFrame(data, columns = ['Group', 'Name','Performance'])Out[1]: Group Name Performance0 A Sheldon Webb 331 A Traci Dean 642 A Chad Webster 1423 A Ora Harmon 1164 A Elijah Mendoza 1225 A June Strickland 686 B Beth Vasquez 957 B Betty Sutton 1278 B Joel Gill 1329 B Vernon Stone 80我想以這樣一種交替的方式對它進行排序，即在一個組中，比如組“A”，第一行應該有表現最好的人（在本例中為“Chad Webster”），然后在第二行中表現最差的人（哪個是“謝爾頓韋伯”）。我正在尋找的輸出看起來像這樣：Out[2]: Group Name Performance0 A Chad Webster 1421 A Sheldon Webb 332 A Elijah Mendoza 1223 A Traci Dean 644 A Ora Harmon 1165 A June Strickland 686 B Joel Gill 1327 B Vernon Stone 808 B Betty Sutton 1279 B Beth Vasquez 95您可以看到序列在組內的最高和最低之間交替。
5 回答
慕慕森
TA貢獻1856條經驗 獲得超17個贊
采用排序后的順序，然后對其應用二次函數，其中根是數組長度的 1/2（加上一些小的偏移量）。通過這種方式，最高排名被賦予極值（eps偏移量的符號決定了您是否想要排名在最低值之上的最高值）。我在末尾添加了一個小組來展示它如何正確處理重復值或奇數組大小。
def extremal_rank(s):
eps = 10**-4
y = (pd.Series(np.arange(1, len(s)+1), index=s.sort_values().index)
- (len(s)+1)/2 + eps)**2
return y.reindex_like(s)
df['rnk'] = df.groupby('Group')['Performance'].apply(extremal_rank)
df = df.sort_values(['Group', 'rnk'], ascending=[True, False])
Group Name Performance rnk
2 A Chad Webster 142 6.2505
0 A Sheldon Webb 33 6.2495
4 A Elijah Mendoza 122 2.2503
1 A Traci Dean 64 2.2497
3 A Ora Harmon 116 0.2501
5 A June Strickland 68 0.2499
8 B Joel Gill 132 2.2503
9 B Vernon Stone 80 2.2497
7 B Betty Sutton 127 0.2501
6 B Beth Vasquez 95 0.2499
11 C b 110 9.0006
12 C c 68 8.9994
10 C a 110 4.0004
13 C d 68 3.9996
15 C f 70 1.0002
16 C g 70 0.9998
14 C e 70 0.0000
倚天杖
TA貢獻1828條經驗 獲得超3個贊
您可以避免在 Performace 上groupby使用sort_values一次升序一次降序，concat兩個排序的數據幀，然后使用sort_index并drop_duplicates獲得預期的輸出：
df_ = (pd.concat([df.sort_values(['Group', 'Performance'], ascending=[True, False])
.reset_index(), #need the original index for later drop_duplicates
df.sort_values(['Group', 'Performance'], ascending=[True, True])
.reset_index()
.set_index(np.arange(len(df))+0.5)], # for later sort_index
axis=0)
.sort_index()
.drop_duplicates('index', keep='first')
.reset_index(drop=True)
[['Group', 'Name', 'Performance']]
)
print(df_)
Group Name Performance
0 A Chad Webster 142
1 A Sheldon Webb 33
2 A Elijah Mendoza 122
3 A Traci Dean 64
4 A Ora Harmon 116
5 A June Strickland 68
6 B Joel Gill 132
7 B Vernon Stone 80
8 B Betty Sutton 127
9 B Beth Vasquez 95
德瑪西亞99
TA貢獻1770條經驗 獲得超3個贊
對每個組應用nlargest和的排序串聯：nsmallest
>>> (df.groupby('Group')[df.columns[1:]]
.apply(lambda x:
pd.concat([x.nlargest(x.shape[0]//2,'Performance').reset_index(),
x.nsmallest(x.shape[0]-x.shape[0]//2,'Performance').reset_index()]
)
.sort_index()
.drop('index',1))
.reset_index().drop('level_1',1))
Group Name Performance
0 A Chad Webster 142
1 A Sheldon Webb 33
2 A Elijah Mendoza 122
3 A Traci Dean 64
4 A Ora Harmon 116
5 A June Strickland 68
6 B Joel Gill 132
7 B Vernon Stone 80
8 B Betty Sutton 127
9 B Beth Vasquez 95
qq_笑_17
TA貢獻1818條經驗 獲得超7個贊
只是另一種使用自定義函數的方法np.empty：
def mysort(s):
arr = s.to_numpy()
c = np.empty(arr.shape, dtype=arr.dtype)
idx = arr.shape[0]//2 if not arr.shape[0]%2 else arr.shape[0]//2+1
c[0::2], c[1::2] = arr[:idx], arr[idx:][::-1]
return pd.DataFrame(c, columns=s.columns)
print (df.sort_values("Performance", ascending=False).groupby("Group").apply(mysort))
Group Name Performance
Group
A 0 A Chad Webster 142
1 A Sheldon Webb 33
2 A Elijah Mendoza 122
3 A Traci Dean 64
4 A Ora Harmon 116
5 A June Strickland 68
B 0 B Joel Gill 132
1 B Vernon Stone 80
2 B Betty Sutton 127
3 B Beth Vasquez 95
基準：
冉冉說
TA貢獻1877條經驗 獲得超1個贊
讓我們嘗試用 檢測min, max行groupby().transform()，然后排序：
groups = df.groupby('Group')['Performance']
mins, maxs = groups.transform('min'), groups.transform('max')
(df.assign(temp=df['Performance'].eq(mins) | df['Performance'].eq(maxs))
.sort_values(['Group','temp','Performance'],
ascending=[True, False, False])
.drop('temp', axis=1)
)
輸出：
Group Name Performance
2 A Chad Webster 142
0 A Sheldon Webb 33
4 A Elijah Mendoza 122
3 A Ora Harmon 116
5 A June Strickland 68
1 A Traci Dean 64
8 B Joel Gill 132
9 B Vernon Stone 80
7 B Betty Sutton 127
6 B Beth Vasquez 95
添加回答
舉報
0/150
提交
取消