【发布时间】：2022-08-15 04:22:07
【问题描述】：
我正在使用包含如下数据的 DataFrame，并以两种不同的方式对数据进行分组。
>>> d = {
\"A\": [100]*7 + [200]*7,
\"B\": [\"one\"]*4 + [\"two\"]*3 + [\"one\"]*3 + [\"two\"]*4,
\"C\": [\"foo\"]*3 + [\"bar\"] + [\"foo\"] + [\"bar\"]*2 + [\"foo\"]*2 + [\"bar\"] + [\"foo\"]*3 + [\"bar\"],
\"D\": [\"yay\"] + [\"nay\"]*2 + [\"yay\"] + [\"nay\"]*3 + [\"yay\"] + [\"nay\"] + [\"yay\"]*3 + [\"nay\"] + [\"yay\"],
\"X\": [2, 8, 3, 5, 1, 4, 3, 2, 6, 5, 1, 2, 4, 7]
}
>>> df = pd.DataFrame(d)
>>> df
A B C D X
0 100 one foo yay 2
1 100 one foo nay 8
2 100 one foo nay 3
3 100 one bar yay 5
4 100 two foo nay 1
5 100 two bar nay 4
6 100 two bar nay 3
7 200 one foo yay 2
8 200 one foo nay 6
9 200 one bar yay 5
10 200 two foo yay 1
11 200 two foo yay 2
12 200 two foo nay 4
13 200 two bar yay 7
>>> df_grp = df.groupby([\'A\', \'B\'])
>>> df_grp_sorted = df_grp.sum().sort_values(\'X\', ascending = False)
>>> df_grp_long = df.groupby([\'A\', \'B\', \'C\', \'D\'])
>>> df_grp_sorted_long = df_grp_long.sum().sort_values(\'X\', ascending = False)
这给了我们：
>>> df_grp_sorted
X
100 one 18
200 two 14
one 13
100 two 8
>>> df_grp_sorted_long
X
100 one foo nay 11
two bar nay 7
200 two bar yay 7
one foo nay 6
100 one bar yay 5
200 one bar yay 5
two foo nay 4
yay 3
100 one foo yay 2
200 one foo yay 2
100 two foo nay 1
现在，我想了解 df_grp_sorted_long 的详细信息，其结构为 df_grp_sorted。那将是：
>>> df_result
X
100 one foo nay 11
yay 5
foo yay 2
200 two bar yay 7
foo nay 4
yay 3
one foo nay 6
bar yay 5
foo yay 2
100 two bar nay 7
foo nay 1
我已经使用以下代码完成了此操作（这违背了this post\ 的建议）：
>>> col_names = [\'A\', \'B\', \'C\', \'D\']
>>> df_result = pd.DataFrame(columns=col_names)
>>> for (i, (a, b)) in enumerate(df_grp_sorted.index):
df_result = pd.concat(
(
df_result,
(df[(df[\'A\']==a) & (df[\'B\']==b)]
.groupby(col_names)
.sum()
.sort_values(\'X\', ascending=False)
)
)
)
>>> df_result = df_result[\"X\"]
这给出了正确的答案，但对于大数据集来说非常慢。我还想知道是否有一种本地方式来进行这种分组/排序的组合。
另外，也许这种方法不是正确的，有一种更简单的方法可以获得等效结果的结果？
标签： python pandas dataframe sorting pandas-groupby