pandas 基于两个变量的分组

Question

+---------+---------+-------+
| g_var_1 | g_var_2 | group |
+---------+---------+-------+
| A       | B       | 1     |
+---------+---------+-------+
| B       | A       | 1     |
+---------+---------+-------+
| C       | D       | 2     |
+---------+---------+-------+
| D       | C       | 2     |
+---------+---------+-------+
| E       | F       | 3     |
+---------+---------+-------+
| F       | E       | 3     |
+---------+---------+-------+
| G       | H       | 4     |
+---------+---------+-------+
| H       | G       | 4     |
+---------+---------+-------+

使用熊猫： 我正在尝试基于“g_var_1”和“g_var_2”创建一个“组”变量。从上面的 ASCII 表中可以看出，逻辑是“g_var_1”和 g_var_2”的相同组合被组合在一起。因此 (g_var_1 == "A" 和 g_var_2 == "B") 的观察结果将在与 (g_var_1 == "B" 和 g_var_2 == "A") 的观察相同的组。

我正在使用的数据集有一千多行，因此手动执行此操作对我来说不是最佳解决方案。

任何帮助将不胜感激。提前致谢！

Answer 1

首先使用sort，然后使用ngroup 和groupby

l=['g_var_1','g_var_2']
pd.DataFrame(np.sort(df[l],1),columns=l).groupby(l).ngroup().add(1)
Out[340]: 
0    1
1    1
2    2
3    2
4    3
5    3
6    4
7    4
dtype: int64
df['group']=pd.DataFrame(np.sort(df[l],1),columns=l).groupby(l).ngroup().add(1)

.值

Answer 2

使用组合的g_var 创建一个列，该列存储一个包含两个值的元组。

为了让它们比较相同，保持元组排序，所以"B", "A"也会变成("A", "B")。

您可以使用apply() 方法，使用自定义函数来实现该结果。

def make_tuple_var(row):
    var1 = row['g_var_1']
    var2 = row['g_var_2']
    if var1 > var2:
        # Swap them.
        var1, var2 = var2, var1
    return (var1, var2)

然后你可以用在：

df['g_var'] = df.apply(make_tuple_var, axis=1)

最后你可以groupby('g_var')，它将所有对等的对组合在一起。