熊猫数据框聚合固定数量的行答案

【问题标题】：pandas data frame aggregate a fixed number of rows熊猫数据框聚合固定数量的行
【发布时间】：2018-09-20 08:43:28
【问题描述】：

我正在处理一些数据，在这里我想获得每匹马最近跑步的排名 (finishing position)（跑步前最多 6 次跑步）。运行日期定义为'race_id'。

有没有办法使用groupby 和agg 但只聚合前6个值？

数据框如下：

finishing_position  horse_id    race_id
 1                  K01         2014011
 2                  K02         2014011
 3                  M01         2014011
 4                  K01         2014012
 2                  K01         2014021
 3                  K01         2014031
 1                  M01         2015011
 2                  K01         2016012
 1                  K02         2016012
 3                  M01         2016012
 4                  J01         2016012

我希望结果是

finishing_position  horse_id    race_id     recent
 1                  K01         2014011
 2                  K02         2014011
 3                  M01         2014011
 4                  K01         2014012     1
 2                  K01         2014021     1/4
 3                  K01         2014031     1/4/2
 1                  M01         2015011     3
 2                  K01         2016012     1/4/2/3
 1                  K02         2016012     2
 3                  M01         2016012     3/1
 4                  J01         2016012

【问题讨论】：

标签： python sql pandas pandas-groupby

【解决方案1】：

我们可以使用cumsum 和groupby

df['recent']=df.finishing_position.astype(str)+'/'
df['recent']=df.groupby('horse_id').recent.apply(lambda x : x.cumsum().shift().str[:-1].fillna(''))
df
Out[140]: 
    finishing_position horse_id  race_id   recent
0                    1      K01  2014011         
1                    2      K02  2014011         
2                    3      M01  2014011         
3                    4      K01  2014012        1
4                    2      K01  2014021      1/4
5                    3      K01  2014031    1/4/2
6                    1      M01  2015011        3
7                    2      K01  2016012  1/4/2/3
8                    1      K02  2016012        2
9                    3      M01  2016012      3/1
10                   4      J01  2016012

【讨论】：

谢谢，但是在哪里使 cumsum 只聚合到之前的 6 条记录？
使用这个：select *, row_number() over(partition by horse_id order by race_id desc)racesback 然后过滤你想要的racesback
@goodBOB 似乎您需要滚动总和，但这与您预期的输出不匹配
@Wen 是的。我试过滚动总和，它总结了所有 6 个值。这是我的解决方案，我可以在 cumsum 之后摆脱新 df 上的额外排名。

【解决方案2】：

在@Wen 的答案上进行了修改，以仅聚合到以前的 N 条记录。

df['recent']=df.finishing_position.astype(str)+'/'
df['recent']=df.groupby('horse_id').recent.apply(lambda x : x.cumsum().shift().str[:-1].fillna(''))

def last_n_record(string,recent_no):
    count = string.count('/')
    if count+1 >= recent_no:
       return string.split('/',count - recent_no + 1)[-1]
    else:
       return string

recent_no = 3 # Lets take 3 recent records as demo
df['recent'] = df.recent.apply(lambda x: last_n_record(x,recent_no))
df
    finishing_position horse_id  race_id recent
0                    1      K01  2014011       
1                    2      K02  2014011       
2                    3      M01  2014011       
3                    4      K01  2014012      1
4                    2      K01  2014021    1/4
5                    3      K01  2014031  1/4/2
6                    1      M01  2015011      3
7                    2      K01  2016012  4/2/3
8                    1      K02  2016012      2
9                    3      M01  2016012    3/1
10                   4      J01  2016012

【讨论】：