Pandas 按降序枚举组答案

【问题标题】：Pandas enumerate groups in descending orderPandas 按降序枚举组
【发布时间】：2019-06-23 23:21:56
【问题描述】：

我有以下列：

我的目标是找到今天的唯一值（在本例中为 3）并创建一个新列，该列将创建以下内容

   new_column
0           3
1           3
2           2
3           2
4           1
5           1

编号从唯一值的长度 (3) 开始，如果当前行与基于原始列的上一行相同，则重复相同的编号。随着行值的变化，数字会减少。原始列中的所有唯一值都具有相同的行数（在这种情况下，每个唯一值有 2 行）。

我的解决方案是按原始列分组并创建一个新列表，如下所示：

i=1
new_time=[]
for j, v in df.groupby('column'):
    new_time.append([i]*2)
    i=i+1

然后我会按降序展平列表排序。还有其他更简单的解决方案吗？

谢谢。

【问题讨论】：

标签： python pandas dataframe group-by pandas-groupby

【解决方案1】：

`pd.factorize`

i, u = pd.factorize(df.column)
df.assign(new=len(u) - i)

   column  new
0      10    3
1      10    3
2       8    2
3       8    2
4       6    1
5       6    1

`dict.setdefault`

d = {}
for k in df.column:
    d.setdefault(k, len(d))

df.assign(new=len(d) - df.column.map(d))

【讨论】：

【解决方案2】：

将GroupBy.ngroup 与ascending=False 一起使用：

df.groupby('column', sort=False).ngroup(ascending=False)+1

0    3
1    3
2    2
3    2
4    1
5    1
dtype: int64

对于看起来像这样的 DataFrame，

df = pd.DataFrame({'column': [10, 10, 8, 8, 10, 10]})

。 . .如果只对连续值进行分组，您需要修改您的分组器：

(df.groupby(df['column'].ne(df['column'].shift()).cumsum(), sort=False)
   .ngroup(ascending=False)
   .add(1))

0    3
1    3
2    2
3    2
4    1
5    1
dtype: int64

【讨论】：

@anky_91 实际上，从头开始，它似乎根据第一个遇到的值分配因子。
这是pd.factorize 和np.unique 之间的巨大差异。 pd.factorize 不会排序，而 np.unique 会。 @anky_91
@piRSquared 指出。 :) 对 factorize 有一种直觉，只是不确定。 :)
@cs95 我们也可以使用rank。请看我的回答。
@BharathM 我投了赞成票（很高兴见到你！）但是我不确定它是否能正常工作。 Rank 将按大小对值进行排名，而不是按出现的顺序（这里的要求）。

【解决方案3】：

试试unique 和map

df.column.map(dict(zip(df.column.unique(),reversed(range(df.column.nunique())))))+1
Out[350]: 
0    3
1    3
2    2
3    2
4    1
5    1
Name: column, dtype: int64

【讨论】：

请参阅piR's comment，这将在分配组之前对数据进行排序，这可能不是 OP 想要的（组应按数据存在的顺序分配）。
@cs95 我正在尝试解决这个问题，brb
它看起来很老套，但绝对比以前更好。谢谢:)
交换 10 和 8 的位置，你会看到。
@piRSquared 很难不使用 np.unique 排序，并且已修复 \

【解决方案4】：

实际上，我们可以使用rank，方法为dense，即

密集：类似于“min”，但组间排名总是增加 1

df['column'].rank(method='dense')

0    3.0
1    3.0
2    2.0
3    2.0
4    1.0
5    1.0

rank 版本的@cs95 的解决方案是

df['column'].ne(df['column'].shift()).cumsum().rank(method='dense',ascending=False)

【讨论】：

【解决方案5】：

IIUC，您希望相同值的连续组的 groupID 以相反的顺序排列。如果是这样，我认为这也应该有效：

df.column.nunique() - df.column.ne(df.column.shift()).cumsum().sub(1)

Out[691]:
0    3
1    3
2    2
3    2
4    1
5    1
Name: column, dtype: int32

【讨论】：