需求:pandas中能不能實現如sql中一樣的分組排序取值
1、構建測試數據
import pandas as pd
df = pd.DataFrame({'k1' : ['a1','a2','a1','b1','b2'],
'k2' : ['c1','d1','c1','c2','d2'],
'data' : [10,100,20,30,300]})
print(df)
k1 k2 data
0 a1 c1 10
1 a2 d1 100
2 a1 c1 20
3 b1 c2 30
4 b2 d2 300
2、使用pandas中的groupby與rank函數實現sql中row_number() over()的功能
df['row_number'] = df.groupby(['k1'])['data'].rank(ascending=False,method='dense')
print(df)
k1 k2 data row_number
0 a1 c1 10 2.0
1 a2 d1 100 1.0
2 a1 c1 20 1.0
3 b1 c2 30 1.0
4 b2 d2 300 1.0
可以看出如上df中的k1列的第一行和第三行的'a1'取值是重複的。通過第2步的實現,新增一列row_number列。
至此,完成通過pandas來實現sql中的row_number() over()的功能
封裝成函數
def row_number(df, groupby_col=[], orderby_col='', ascending=True):
'''
:param df: 需要處理的數據集;pandas.DataFrame
:param groupby_col: 需要分組的列;list
:param orderby_col: 需要分組後,進行排序的列;columns_names
:param ascending: 排序方式,默認升序
:return: pandas.Series
'''
return df.groupby(groupby_col)[orderby_col].rank(ascending=False,method='dense')
df['row_numbers'] = row_number(df, groupby_col=['k1'], orderby_col='data', ascending=False)
print(df)