将排名应用于 Pandas Groupby 中的每个组

Question

假设我有一个像这样的简单数据集（即 df1）：

 ID     Name     Max_FileID
--------------------------------
  1      Dog          3
  1      Dog          3
  1      Dog          3
  2      Bird         1
  3      Cat          5
  3      Cat          5

我想按 ID 对数据集进行分组（我对此没有问题）：

df1.groupby('ID')

然后使用 Max_FileID + Rank 添加一个新列。

结果应该是这样的

 ID     Name     Max_FileID     Rank
------------------------------------------
  1      Dog          3           4
  1      Dog          3           5
  1      Dog          3           6
  2      Bird         1           2
  3      Cat          5           6
  3      Cat          5           7

为了帮助更好地理解我想要实现的目标，这里有一个 SQL 等价物：

SELECT
    ID,
    Name,
    Max_FileID,
    Max_FileID + ROW_NUMBER() OVER(PARTITION BY ID ORDER BY ID)
FROM df1

此外，我创建了一个自定义函数：

def sequential_ranking(self, iterable, max_id):
  try:
    max_id = max_id - 1
    seq_nums = list()
    for num in iterable:
      max_id += 1
      seq_nums.append(max_id)
    return seq_nums

不确定是否有内置函数。提前致谢！！

Answer 1

您可以使用 groupby，然后通过添加 np.arange:

来应用自定义转换

df['Rank'] = df.groupby('ID')['Max_FileID'].transform(lambda x: x+np.arange(1, len(x)+1))

Answer 2

您可以使用 DataFrameGroupBy.rank 函数，其中 returns 组中的排名值，如果您将方法参数指定为 first，则排名将按照它们在组中出现的顺序进行分配.

你可以使用这个：

df["Rank"] = df["Max_FileID"] + df.groupby("ID")["Max_FileID"].rank(method="first").astype(int)

结果：

>>> print(df)

   ID  Name  Max_FileID  Rank
0   1   Dog           3     4
1   1   Dog           3     5
2   1   Dog           3     6
3   2  Bird           1     2
4   3   Cat           5     6
5   3   Cat           5     7

Answer 3

你给出的例子有点像你说的那样令人困惑 "then add a new column using Max_FileID + Rank" 但这个例子调用了新列 "Rank" 即使它看起来像 Rank 和 Max_FileID 的总和。

我认为你只需要使用 groupby().rank() 如果不需要，你可以删除中间的 'rank' 列。

df['rank'] = df.groupby('ID').rank(method='first').astype(int)
df['newcol'] = df['Max_FileID'] + df['rank']

输出

df

=== Output: ===
   ID  Name  Max_FileID  rank  newcol
0   1   Dog           3     1       4
1   1   Dog           3     2       5
2   1   Dog           3     3       6
3   2  Bird           1     1       2
4   3   Cat           5     1       6
5   3   Cat           5     2       7

将排名应用于 Pandas Groupby 中的每个组

Applying Ranks to every group in Pandas Groupby

python

rank

pandas