看过来
《pandas 教程》 持续更新中,提供建议、纠错、催更等加作者微信: gairuo123(备注:pandas教程)和关注公众号「盖若」ID: gairuo。跟作者学习,请进入 Python学习课程。欢迎关注作者出版的书籍:《深入浅出Pandas》 和 《Python之光》。
在一些数据处理场景下,很多分析师都喜欢用 pandas 替代 SQL 的相关操作。今天我们就来用 pandas 实现 SQL 中最常见的窗口函数——row_number(),为各组增加一个行号。
我们先构造如下数据:
import pandas as pd
import random
random.seed(666)
df = pd.DataFrame({'a': [1,2,2,2,1,2,1,1],
'b': random.choices(range(10), k=8)
})
df
'''
a b
0 1 4
1 2 9
2 2 4
3 2 5
4 1 8
5 2 5
6 1 7
7 1 1
'''
a 列为分组,b 列为值(本例中为非必须列),需求为增加一个 row_number 列,显示按 a 分组的行号,即所在行的顺序。
这个需求首先要分组,然后我们有两个思路,一个是直接使用分组对象的 cumcount()
方法,它返回每组中的每个项目的编号,从0到该组的长度减1。相当于对每组做如下操作:
self.apply(lambda x: pd.Series(np.arange(len(x)), x.index))
还有一个方法是使用分组对象的 transform()
方法调用 Series 的 rank()
方法。
接下来,我们都来实现一下。
首先第一个思路,分组并使用 cumcount()
:
df.groupby('a').cumcount()
'''
0 0
1 0
2 1
3 2
4 1
5 3
6 2
7 3
dtype: int64
'''
由于行号从 1 开始,我们对这个序列加一,并指定到原数据中:
df.assign(row_number=df.groupby('a').cumcount()+1)
'''
a b row_number
0 1 4 1
1 2 9 1
2 2 4 2
3 2 5 3
4 1 8 2
5 2 5 4
6 1 7 3
7 1 1 4
'''
接下来看看第二个思路:
(
df.groupby('a')['a']
.transform('rank', method='first')
.astype(int)
)
'''
0 1
1 1
2 2
3 3
4 2
5 4
6 3
7 4
Name: a, dtype: int64
'''
分组后,选择对 a 列进行操作,用transform()
方法调用 rank()
,由于每组的值(即 a)的值是相同的,我们给 rank()
参数 method='first'
就可以按先出现的顺序给出序号。最后,将这个序列转为整型,因为 rank()
返回的是浮点型的。
最后将这个序列指定到新列,也能得到最终的结果:
df.assign(row_number=df.groupby('a')['a']
.transform('rank', method='first')
.astype(int)
)
# ...
以上两种方法都可以实现需求,如果只要行号第一种方法是最简单实用的。如果要按某个列的数值大小给出序号就只能用第二种方法了,比如,我们分组内按 b 的大小给出序号:
df.assign(row_number=df.groupby('a')['b']
.transform('rank', method='first')
.astype(int)
)
'''
a b row_number
0 1 4 2
1 2 9 4
2 2 4 1
3 2 5 2
4 1 8 4
5 2 5 3
6 1 7 3
7 1 1 1
'''
以上,就是我们案例全部的内容。
(完)
更新时间:2024-08-18 16:07:04 标签:pandas python sql 行号