使用Pandas按降序列举分组信息

Question

我有以下列：

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

我的目标是找到今天的唯一值（在这种情况下为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，如果当前行与前一行相同，则重复相同的数字。随着行值的变化，编号会逐渐减少。原始列中的所有唯一值具有相同数量的行（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进行分组，并创建以下新列表：

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

那我会将列表平铺并按降序排序。还有其他更简单的解决方案吗？

谢谢。

- Samira Kumar

Answer 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))

- piRSquared

Answer 2

请使用GroupBy.ngroup，并加上参数ascending=False:

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

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

对于长这样的DataFrame：

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

……如果只需要将连续的值分组，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

- cs95

---

@anky_91 其实，刚才说错了，看起来它是根据第一个遇到的值来分配因子。 - cs95

pd.factorize和np.unique之间存在巨大的区别。pd.factorize不排序，而np.unique则会进行排序。@anky_91 - piRSquared

@piRSquared 注意到了。 :) 对于因式分解有一种直觉，只是不太确定。 :) - anky

@cs95 我们也可以使用 rank。请看我的答案。 - Bharath M Shetty

@BharathM 我已经点赞了（很高兴见到你！），但是我不确定它是否适用于一般情况。Rank将通过大小对值进行排名，而不是按出现顺序排列（这是此处的要求）。 - cs95

@cs95，我完全误解了，现在我看到了答案的第二部分。 :) - Bharath M Shetty

Answer 3

实际上，我们可以使用 rank 函数，并选择 dense 方法。简而言之，这意味着在分组之间，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

< p >@cs95的解决方案的rank版本如下：

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

- Bharath M Shetty

Answer 4

Try with unique and 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

- BENY

---

请参考piR的评论，在分配组之前对数据进行排序可能不是OP想要的（应按照数据出现的顺序分配组）。 - cs95

@cs95 我正在尝试修复，马上回来。 - BENY

这看起来有点巧妙，但肯定比以前好。谢谢 :) - cs95

交换10和8的位置，你就会看到。 - piRSquared

@piRSquared，如果不使用np.unique排序并修复，那就很难了。 - BENY

Answer 5

如果我理解正确，您希望以相同值连续组的groupID相反的顺序。如果是这样，我认为这个方法也可以实现：

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

- Andy L.