目前我有以下python代碼forumposts = pd.DataFrame({'UserId': [1,1,2,3,2,1,3], 'FirstPostDate': [2018,2018,2017,2019,2017,2018,2019], 'PostDate': [201801,201802,201701,201901,201801,201803,201902]})data = forumposts.groupby(['UserId', 'PostDate','FirstPostDate']).size().reset_index()rankedUserIdByFirstPostDate = data.groupby(['UserId', 'FirstPostDate']).size().reset_index().sort_values('FirstPostDate').reset_index(drop=True).reset_index()data.loc[:,'Rank'] = data.merge(rankedUserIdByFirstPostDate , how='left', on='UserId')['index'].values該代碼按預(yù)期工作，但它很復(fù)雜，是否有更多類似熊貓的方法？意圖如下：在UserId按 排序的列上創(chuàng)建一個(gè)密集排名，使得FirstPostDate發(fā)布最早的用戶獲得排名 0，而發(fā)布第二早的第一次發(fā)布的用戶獲得排名 1，依此類推。Usingforumposts.UserId.rank(method='dense')給了我一個(gè)排名，但它按 UserId 的順序排序。
1 回答
躍然一笑
TA貢獻(xiàn)1826條經(jīng)驗(yàn) 獲得超6個(gè)贊
使用map由詞典通過創(chuàng)建sort_values與drop_duplicates訂單有拉鏈np.arange：
data = (forumposts.groupby(['UserId', 'PostDate','FirstPostDate'])
.size()
.reset_index(name='count'))
users = data.sort_values('FirstPostDate').drop_duplicates('UserId')['UserId']
d = dict(zip(users, np.arange(len(users))))
data['Rank'] = data['UserId'].map(d)
print (data)
UserId PostDate FirstPostDate count Rank
0 1 201801 2018 1 1
1 1 201802 2018 1 1
2 1 201803 2018 1 1
3 2 201701 2017 1 0
4 2 201801 2017 1 0
5 3 201901 2019 1 2
6 3 201902 2019 1 2
另一種解決方案：
data['Rank'] = (data.groupby('UserId')['FirstPostDate']
.transform('min')
.rank(method='dense')
.sub(1)
.astype(int))
添加回答
舉報(bào)
0/150
提交
取消