如何在 pandas 数据框组中创建顺序?
How to create order in pandas dataframe groups?
我有数据数据框,我想在其中添加列,该列将分别指示每个 user_id 的日期顺序,所以它就像 TABLE2 中一样。
表 1:
user_id received_at action
0043e1a6-52e4 2018-01-05 12:32:10 A
2018-01-05 12:33:13 A
2018-01-05 12:42:12 B
0070f782-29f4 2018-01-06 01:41:18 A
2018-01-06 01:42:12 A
2018-01-06 01:43:11 B
2018-01-06 01:44:18 C
008aa58a-84a5 2018-01-06 14:22:13 A
2018-01-06 14:23:18 A
2018-01-06 14:24:13 A
2018-01-06 14:25:18 C
像这样
表 2:
user_id received_at action order_n
0043e1a6-52e4 2018-01-05 12:32:10 A 1
2018-01-05 12:33:13 A 2
2018-01-05 12:42:12 B 3
0070f782-29f4 2018-01-06 01:41:18 A 1
2018-01-06 01:42:12 A 2
2018-01-06 01:43:11 B 3
2018-01-06 01:44:18 C 4
008aa58a-84a5 2018-01-06 14:22:13 A 1
2018-01-06 14:23:18 A 2
2018-01-06 14:24:13 A 3
2018-01-06 14:25:18 C 4
是否有比分别对每个 user_id 进行迭代更有效且可能更简单的解决方案?
groupby user_id
并使用 received_at
得到 rank
df['count_n'] = df.groupby('user_id').received_at.apply(pd.Series.rank)
这不需要排序步骤,即使数据框在每个组
中未按 received_at
排序,也会分配正确的排名
如果列 user_id
被设置为索引(正如您的示例数据 似乎 所表明的),您可以替代地使用以下内容。虽然,在 pandas 的最新版本中,按命名索引分组也有效(即上述可能有效)
df.groupby(level=0).received_at.apply(pd.Series.rank)
我有数据数据框,我想在其中添加列,该列将分别指示每个 user_id 的日期顺序,所以它就像 TABLE2 中一样。
表 1:
user_id received_at action
0043e1a6-52e4 2018-01-05 12:32:10 A
2018-01-05 12:33:13 A
2018-01-05 12:42:12 B
0070f782-29f4 2018-01-06 01:41:18 A
2018-01-06 01:42:12 A
2018-01-06 01:43:11 B
2018-01-06 01:44:18 C
008aa58a-84a5 2018-01-06 14:22:13 A
2018-01-06 14:23:18 A
2018-01-06 14:24:13 A
2018-01-06 14:25:18 C
像这样
表 2:
user_id received_at action order_n
0043e1a6-52e4 2018-01-05 12:32:10 A 1
2018-01-05 12:33:13 A 2
2018-01-05 12:42:12 B 3
0070f782-29f4 2018-01-06 01:41:18 A 1
2018-01-06 01:42:12 A 2
2018-01-06 01:43:11 B 3
2018-01-06 01:44:18 C 4
008aa58a-84a5 2018-01-06 14:22:13 A 1
2018-01-06 14:23:18 A 2
2018-01-06 14:24:13 A 3
2018-01-06 14:25:18 C 4
是否有比分别对每个 user_id 进行迭代更有效且可能更简单的解决方案?
groupby user_id
并使用 received_at
rank
df['count_n'] = df.groupby('user_id').received_at.apply(pd.Series.rank)
这不需要排序步骤,即使数据框在每个组
中未按received_at
排序,也会分配正确的排名
如果列 user_id
被设置为索引(正如您的示例数据 似乎 所表明的),您可以替代地使用以下内容。虽然,在 pandas 的最新版本中,按命名索引分组也有效(即上述可能有效)
df.groupby(level=0).received_at.apply(pd.Series.rank)