Python 3：使用多列对数据框进行排名答案

【问题标题】：Python 3: Rank dataframe using multiple columnsPython 3：使用多列对数据框进行排名
【发布时间】：2018-08-14 01:24:17
【问题描述】：

我有一个这样的数据框“df_orders_raw”：

ORD_KEY    ORD_DT_KEY  ORD_TM_KEY  SKU_KEY    QTY  
933915294  7598        13          401550750  1
933915294  7598        13          409868344  1
933915294  7598        13          428852481  1
933919765  7598        13          432771563  2
933892844  7598        24          429377565  1
933892844  7598        24          413100006  1
933892844  7598        24          433950159  1
933908232  7598        38          427905127  1
933882107  7598        40          415639133  1
933882107  7598        40          428839526  1
933918543  7598        44          429503890  1
933918543  7598        44          429501262  1

我想在这个frame排序数据中添加一个ORD_RANK列，按ORD_DT_KEY, ORD_TM_KEY, ORD_KEY的意思，数据应该先按ORD_DT_KEY分组，然后ORD_TM_KEY会先断掉一级关系，然后ORD_KEY。

排名结果如下：

ORD_KEY    ORD_DT_KEY  ORD_TM_KEY  SKU_KEY    QTY  ORD_RANK
933915294  7598        13          401550750  1    1
933915294  7598        13          409868344  1    1
933915294  7598        13          428852481  1    1
933919765  7598        13          432771563  2    2
933892844  7598        24          429377565  1    3
933892844  7598        24          413100006  1    3
933892844  7598        24          433950159  1    3
933908232  7598        38          427905127  1    4
933882107  7598        40          415639133  1    5
933882107  7598        40          428839526  1    5
933918543  7598        44          429503890  1    6
933918543  7598        44          429501262  1    6

在阅读了一堆类似的 QnAs 之后，我当前的代码如下所示：

df_orders = df_orders_raw.copy() 
col1 = df_orders['ORD_DT_KEY'].astype(str)
col2 = df_orders['ORD_TM_KEY'].astype(str)
col3 = df_orders['ORD_KEY'].astype(str)
key = col1+col2+col3

df_orders['ORD_RANK'] = (key).astype(float).rank(method='dense').astype(int)

此代码适用于大多数情况，但当键变得非常大（10^17 或更大）时开始中断，因为它开始四舍五入浮点数。它在 Python 2.7 中工作，因为我使用的是“long”而不是“float”，但 Python 3.5 不支持。如果我使用 (key).astype(int)，它会抛出一个溢出错误。在阅读了类似的问题后，人们建议使用 float 但这给了我另一个问题。如何修改代码以使其适用于所有情况？

【问题讨论】：

标签： python python-3.x pandas dataframe rank

【解决方案1】：

使用ngroup

df['ORD_RANK']=df.groupby(['ORD_DT_KEY','ORD_TM_KEY','ORD_KEY']).ngroup()+1
df
Out[1010]: 
      ORD_KEY  ORD_DT_KEY  ORD_TM_KEY    SKU_KEY  QTY  ORD_RANK
0   933915294        7598          13  401550750    1         1
1   933915294        7598          13  409868344    1         1
2   933915294        7598          13  428852481    1         1
3   933919765        7598          13  432771563    2         2
4   933892844        7598          24  429377565    1         3
5   933892844        7598          24  413100006    1         3
6   933892844        7598          24  433950159    1         3
7   933908232        7598          38  427905127    1         4
8   933882107        7598          40  415639133    1         5
9   933882107        7598          40  428839526    1         5
10  933918543        7598          44  429503890    1         6
11  933918543        7598          44  429501262    1         6

【讨论】：