最新文章专题视频专题问答1问答10问答100问答1000问答2000关键字专题1关键字专题50关键字专题500关键字专题1500TAG最新视频文章推荐1 推荐3 推荐5 推荐7 推荐9 推荐11 推荐13 推荐15 推荐17 推荐19 推荐21 推荐23 推荐25 推荐27 推荐29 推荐31 推荐33 推荐35 推荐37视频文章20视频文章30视频文章40视频文章50视频文章60 视频文章70视频文章80视频文章90视频文章100视频文章120视频文章140 视频2关键字专题关键字专题tag2tag3文章专题文章专题2文章索引1文章索引2文章索引3文章索引4文章索引5123456789101112131415文章专题3
当前位置: 首页 - 科技 - 知识百科 - 正文

pandas多级分组实现排序的方法

来源:动视网 责编:小OO 时间:2020-11-27 14:22:02
文档

pandas多级分组实现排序的方法

pandas有groupby分组函数和sort_values排序函数,但是如何对dataframe分组之后排序呢。,In [70]: df = pd.DataFrame(((random.randint(2012.2016).random.choice([';tech';.';art';.';office';]).';%dk-%dk';%(random.randint(2。
推荐度:
导读pandas有groupby分组函数和sort_values排序函数,但是如何对dataframe分组之后排序呢。,In [70]: df = pd.DataFrame(((random.randint(2012.2016).random.choice([';tech';.';art';.';office';]).';%dk-%dk';%(random.randint(2。


下面为大家分享一篇pandas多级分组实现排序的方法,具有很好的参考价值,希望对大家有所帮助。一起过来看看吧

pandas有groupby分组函数和sort_values排序函数,但是如何对dataframe分组之后排序呢?

In [70]: df = pd.DataFrame(((random.randint(2012, 2016), random.choice(['tech', 'art', 'office']), '%dk-%dk'%(random.randint(2,10), random.randint(10, 20)), '') for _ in xrange(10000)), columns=['publish_time', 'classf', 'salary', 'title'])

In [71]: df.head()
Out[71]:
 publish_time classf salary title
0 2012 art 2k-19k
1 2014 office 5k-17k
2 2013 office 2k-10k
3 2013 art 5k-14k
4 2013 art 2k-14k

In [72]: df.groupby(['publish_time', 'classf', 'salary']).count()['title'].groupby(level=0, group_keys=False).nlargest(10)
Out[72]:
publish_time classf salary
2012 art 7k-13k 18
 4k-13k 16
 tech 3k-12k 14
 art 6k-16k 13
 8k-15k 13
 office 5k-18k 13
 tech 4k-14k 13

文档

pandas多级分组实现排序的方法

pandas有groupby分组函数和sort_values排序函数,但是如何对dataframe分组之后排序呢。,In [70]: df = pd.DataFrame(((random.randint(2012.2016).random.choice([';tech';.';art';.';office';]).';%dk-%dk';%(random.randint(2。
推荐度:
标签: 分组 方法 实现
  • 热门焦点

最新推荐

猜你喜欢

热门推荐

专题
Top