熊猫排名与变换(排名)

Question

我不确定这是一个bug还是一个特性，但我真的想了解它是如何工作的。

我有一个非常简单的数据集

In [0]: data
Out[0]:
  group  value  data
0     A      1     1
1     A      2     1
2     B      3     1
3     B      4     1

然后我进行了一些转换：

In [1]: data.groupby('group').transform('rank')
Out[1]:
   value  data
0    1.0   1.5
1    2.0   1.5
2    1.0   1.5
3    2.0   1.5

In [2]: data.groupby('group').value.transform('rank')
Out[2]:
0    1
1    1
2    2
3    2

In [3]: data.groupby('group').data.transform('rank')
Out[3]:
0    1.5
1    1.5
2    1.5
3    1.5

In [4]: data.groupby('group').transform('rank').value
Out[4]:
0    1.0
1    2.0
2    1.0
3    2.0

In [5]: data.groupby('group').value.rank()
Out[5]:
0    1.0
1    2.0
2    1.0
3    2.0

In [6]: data.groupby('group').cumcount()
Out[6]:
0    0
1    1
2    0
3    1

我觉得奇怪的是：

• 第一个。虽然我似乎理解value列发生了什么(类似于第5和第6列)，但我无法理解data列发生了什么。1.5值从何而来？
• 第二个。它没有只选择指定的列并应用类似于第一列的逻辑，而是完全改变了输出。我可以推测，现在在枚举组而不是组中的行时，我仍然不明白为什么会以这样一种奇怪的方式进行？
• 第三个。它的行为与预期完全一致，只是选择了指定的列，并应用了与第一列相同的逻辑(与前一列不同)。但我仍然怀念这个价值的起源；
• 第四个。这个不应该和第二个一样吗？
• 第5条和第6条看起来完全一样，但后者从0开始。这是正确的吗？

如果有人能给我解释一下，我会非常感激的。

谢谢。

Answer 1

让我再加上一点混乱- 职级()方法有一个method参数.

默认值：method='average'

In [70]: data.groupby('group').transform('rank')
Out[70]:
   value  data
0    1.0   1.5
1    2.0   1.5
2    1.0   1.5
3    2.0   1.5

In [71]: data.groupby('group').transform('rank', method='average')
Out[71]:
   value  data
0    1.0   1.5
1    2.0   1.5
2    1.0   1.5
3    2.0   1.5

方法：min

In [72]: data.groupby('group').transform('rank', method='min')
Out[72]:
   value  data
0    1.0   1.0
1    2.0   1.0
2    1.0   1.0
3    2.0   1.0

方法：max

In [73]: data.groupby('group').transform('rank', method='max')
Out[73]:
   value  data
0    1.0   2.0
1    2.0   2.0
2    1.0   2.0
3    2.0   2.0

方法：first

In [74]: data.groupby('group').transform('rank', method='first')
Out[74]:
   value  data
0    1.0   1.0
1    2.0   2.0
2    1.0   1.0
3    2.0   2.0

方法：dense

In [75]: data.groupby('group').transform('rank', method='dense')
Out[75]:
   value  data
0    1.0   1.0
1    2.0   1.0
2    1.0   1.0
3    2.0   1.0

来自文档

方法：{average，min，max，first，dense} 平均:群的平均等级 民:小组中的最低级别 群中最高级别 第一:按在数组中出现的顺序分配等级 密集:像‘min’一样，但是等级总是在组间增加1。

还有另一个参数：

pct：布尔值，默认为False 计算数据的百分比等级

Answer 2

在后来版本的熊猫(我的是0.24.2)中，data.groupby('group').transform('rank')和data.groupby('group').value.transform('rank')的表现如下：

In [1]: data.groupby('group').transform('rank')
Out[1]:
   value  data
0    1.0   1.5
1    1.0   1.5
2    2.0   1.5
3    2.0   1.5

In [2]: data.groupby('group').value.transform('rank')
Out[2]:
0    1
1    1
2    2
3    2

回答你的问题：

• 第一和第三位:默认的method of rank() func是average，因此，数据列获得等级1.5 (min=1、max=2、average=1.5)。
• 第二和第四版:在后来版本的熊猫中，data.groupby('group').transform('rank').value和data.groupby('group').value.transform('rank')一样返回。我建议不要同时使用transform()和rank()，transform()正是您应该使用的。如果您查看源代码 of rank()函数。它已经实现了对整个列的transform()：广播的逻辑。如果您最终使用了transform('rank')，那么rank函数仍然会完成它的工作，但是transform会出错。下面是源代码的简化版本： 将熊猫作为pd导入pandas.core.algorithms作为算法g= data.groupby('group')结果= getattr(g，‘g.rank’)()#与g.rank() in = g.grouper.group_info #数组( 0，0，1，1)输出= [] for i，_in枚举(result.columns)：res = algorithms.take_1d(result.iloc: i.values，ids) output.append(res) #[数组(1，1，2，2)，数组( 1.5，1.5，1.5，1.5)] pd.DataFrame._from_arrays(输出，columns=result.columns，index=g.obj.index) #值_\_#值_(_
• 第五组和第六组：cumcount()从0开始到那个组的长度- 1，rank()从1开始到n。

希望这能有所帮助。