Pandas groupby 使用 MultiIndex 值答案

【问题标题】：Pandas groupby using MultiIndex valuesPandas groupby 使用 MultiIndex 值
【发布时间】：2021-04-04 08:27:41
【问题描述】：

假设我有一个数据框，其中包含代表学生专业和学生 GPA 的多索引列。我想找到每一行的每个专业的班级排名。如果学生每个人只有一个专业，那么我可以将专业堆叠为 multiindex 和 groupby(level=1).rank() 的另一个级别。但是，因为学生可以改变他们的专业，所以我必须将这些作为每年的单独功能。什么是获得正确输出的有效方法？我知道我可以通过遍历行来强制它，但我希望避免这种情况，因为我可能正在处理大量数据。

样本df：

categories = ['major', 'gpa']
students = ['Joe', 'Bob', 'Sara']
columns = pd.MultiIndex.from_product([categories, students])
index = range(4)
students_df = pd.DataFrame([['english', 'math', 'math', 3.8, 2.2, 3.7],
                            ['english', 'math', 'math', 3.5, 2.4, 3.9],
                            ['english', 'english', 'math', 3.5, 3.6, 3.9],
                            ['english', 'english', 'math', 3.7, 3.5, 3.8],
                            ], index=range(4), columns=columns)
print(students_df)

         major                 gpa          
       Joe      Bob  Sara  Joe  Bob Sara
0  english     math  math  3.8  2.2  3.7
1  english     math  math  3.5  2.4  3.9
2  english  english  math  3.5  3.6  3.9
3  english  english  math  3.7  3.5  3.8

预期输出

       rank          
       Joe  Bob Sara
0      1      2    1
1      1      2    1
2      2      1    1
3      1      2    1

【问题讨论】：

标签： python pandas pandas-groupby multi-index

【解决方案1】：

我想出了这个怪物。这是正确的，但我希望有人提供更好的解决方案：

ranks = students_df.stack().reset_index()\
                   .groupby(['level_0', 'major']).rank(ascending=False)
students_df.stack().reset_index().join(ranks, rsuffix='_rank')\
           .set_index(['level_0', 'level_1'])['gpa_rank'].unstack().astype(int)
#level_1  Bob  Joe  Sara
#level_0                
#0          2    1     1
#1          2    1     1
#2          1    2     1
#3          2    1     1

【讨论】：

【解决方案2】：

您可以使用stack 设置数据框，以便您可以有效地groupby 索引（[0,1,2,3]）和major 计算rank。然后，unstack(1) 数据框回到它的原始列。传递给stack() 的整数参数指示多索引列级别的位置，您从列发送到行（或从宽到长）。而且，unstack() 正好相反——它从行发送到列（或从长到宽）。因此，0 是第一级，1 是第二级，依此类推。无论位置如何，stack() 和 unstack() 在取消透视/旋转数据帧方面都非常有效。

这是使用.index.get_level_values(0)的方法1：

df = students_df.stack(1)
df = (df.assign(gpa=df.groupby([df.index.get_level_values(0), 'major'])
                      .rank(ascending=False)).unstack(1))
        
Out[1]: 
   gpa              major               
   Bob  Joe Sara      Bob      Joe  Sara
0  2.0  1.0  1.0     math  english  math
1  2.0  1.0  1.0     math  english  math
2  1.0  2.0  1.0  english  english  math
3  2.0  1.0  1.0  english  english  math

这是使用 rename_axis() 的方法 2，但输出略有不同：

df = students_df.stack(1).rename_axis(['', 'Name'])
df = df.assign(gpa=df.groupby(['', 'major']).rank(ascending=False)).unstack(1)
df

Out[2]: 
      gpa              major               
Name  Bob  Joe Sara      Bob      Joe  Sara

0     2.0  1.0  1.0     math  english  math
1     2.0  1.0  1.0     math  english  math
2     1.0  2.0  1.0  english  english  math
3     2.0  1.0  1.0  english  english  math

【讨论】：