我如何才能将熊猫GroupBy的组组合在一起？

Question

我使用DataFrame.groupby()对具有相同键的行进行分组，同时保持以前排序的行顺序。我希望将这些组组合回一个完整的DataFrame，这样具有公共键的行将紧跟在第一个这样的行之后，而组首先以最大的col值开始。经过大量的实验和搜索split-apply-combine寻找单独的组合方法，我得出了下面的成语，它是有效的。它需要一个开放的编码身份函数，这向我暗示了我没有按照预期的方式使用GroupBy。有没有更好的成语？

df.sort_values(col, ascending=False).groupby(key, sort=False).apply(lambda g_df: g_df)

我很想知道在pandas documentation的什么地方我可以自己回答这个问题。

Answer 1

我们可以先使用sort。因为pd.unique保留了顺序，所以它会查找按最高值排序的'key'。然后，通过设置索引并使用.loc，我们可以将它们组合在一起。

样本数据

import pandas as pd
df = pd.DataFrame({'col': [1,2,3,4,5,6,7,8,9,10],
                   'key': list('abababcacb')})

代码

df = df.sort_values('col', ascending=False)
df = df.set_index('key').loc[df['key'].unique()].reset_index()

  key  col
0   b   10
1   b    6
2   b    4
3   b    2
4   c    9
5   c    7
6   a    8
7   a    5
8   a    3
9   a    1

做你想做的另一种方式是创建一个helper列。您希望按组内的最大'col'值进行排序，因此使用transform将结果广播到一个帮助器列，我们对该列进行排序，然后删除该列。

df['key1'] = df.groupby('key')['col'].transform('max')
df = df.sort_values(['key1', 'col'], ascending=False).drop(columns='key1')

如果您想使用groupby，那么您实际上只是使用它来获取索引位置。一种直接的实现方式是只遍历concat对象，对组进行遍历：

df = pd.concat([gp for _,gp in df.sort_values('col', ascending=False).groupby('key', sort=False)])

但是，因为您只需要重新排列整个DataFranme，所以真的没有必要拆分它，只是为了将所有内容连接起来。.groups属性存储索引。将它们链接在一起并对原始DataFrame进行切片

from itertools import chain
idx = chain.from_iterable(df.sort_values('col', ascending=False)
                            .groupby('key', sort=False)
                            .groups.values())

df = df.loc[idx]