对多行数据框中的行值进行排名

Question

我有一个巨大的 df，看起来像这样：

date	stock1	stock2	stock3	stock4	stock5	stock6	stock7	stock8	stock9	stock10
10/20	0.1	0.2	0.3	0.4	0.5	0.6	0.7	0.8	0.9	0.9
11/20	0.8	0.9	0.3	0.4	0.3	0.5	0.3	0.2	0.4	0.1
12/20	0.3	0.6	0.9	0.5	0.6	0.7	0.8	0.7	0.9	0.1

我想为每一行找出股票价值高 20% 和低 20% 的股票。输出应该是：

date	higher	lower
10/20	stock9, stock 10	stock1, stock 2
11/20	stock1, stock 2	stock8, stock 10
12/20	stock3, stock 9	stock1, stock 10

我不需要在上面的值之间有逗号，可以一个在另一个下面。我已尝试 df= df.stack() 进行堆叠，然后对列内的值进行排名，但我不知道如何进行。

Answer 1

您可以使用对每行的值进行排序的辅助函数来完成此操作：

def get_top_bottom_20_pct(x):
    d = x.sort_values(ascending=False).index.tolist()
    return [*map(', '.join, (d[:size], d[-size:]))]

size = int(0.2 * df.shape[1])
s = df.set_index('date').apply(get_top_bottom_20_pct, axis=1)
out = pd.DataFrame(s.tolist(), index=s.index, columns=['higher','lower']).reset_index()

如果你有 Python >=3.8，你可以用海象运算符做同样的事情：

s = df.set_index('date').apply(lambda x: (', '.join((d := x.sort_values(ascending=False).index.tolist())[:size]), 
                                          ', '.join(d[-size:])), axis=1)
out = pd.DataFrame(s.tolist(), index=s.index, columns=['higher','lower']).reset_index()

输出：

    date           higher            lower
0  10/20  stock9, stock10   stock2, stock1
1  11/20   stock2, stock1  stock8, stock10
2  12/20   stock3, stock9  stock1, stock10

Answer 2

试试 nlargest 和 nsmallest:

#df = df.set_index("date") #uncomment if date is a column and not the index
n = round(len(df.columns)*0.2) #number of stocks in the top/bottom 20%

output = pd.DataFrame()
output["higher"] = df.apply(lambda x: x.nlargest(n).index.tolist(), axis=1)
output["lower"] = df.apply(lambda x: x.nsmallest(n).index.tolist(), axis=1)

>>> output
                  higher              lower
date                                       
10/20  [stock9, stock10]   [stock1, stock2]
11/20   [stock2, stock1]  [stock10, stock8]
12/20   [stock3, stock9]  [stock10, stock1]

编辑：如果您希望每个股票名称单独一行，您可以这样做：

output = pd.DataFrame()
output["higher"] = df.apply(lambda x: "\n".join(x.nlargest(n).index.tolist()), axis=1)
output["lower"] = df.apply(lambda x: "\n".join(x.nsmallest(n).index.tolist()), axis=1)

对多行数据框中的行值进行排名

Ranking row values from a multiplus row dataframe

python

stack

ranking

dataframe

pandas