Python 熊猫按多列排序

我试图根据两列对熊猫数据帧进行排序。 我可以根据一列对其进行排名，但如何根据两列对其进行排名？”SaleCount，然后是TotalRevenue

import pandas as pd

df = pd.DataFrame({'TotalRevenue':[300,9000,1000,750,500,2000,0,600,50,500],
    'Date':['2016-12-02' for i in range(10)],
    'SaleCount':[10,100,30,35,20,100,0,30,2,20],
    'shops':['S3','S2','S1','S5','S4','S8','S6','S7','S9','S10']})

df['Rank'] = df.SaleCount.rank(method='dense',ascending = False).astype(int)

#df['Rank'] = df.TotalRevenue.rank(method='dense',ascending = False).astype(int)
df.sort_values(['Rank'], inplace=True)

print(df)

电流输出：

    Date        SaleCount   TotalRevenue    shops   Rank
1   2016-12-02  100          9000            S2      1
5   2016-12-06  100          2000            S8      1
3   2016-12-04  35           750             S5      2
2   2016-12-03  30           1000            S1      3
7   2016-12-08  30           600             S7      3
9   2016-12-10  20           500             S10     4
4   2016-12-05  20           500             S4      4
0   2016-12-01  10           300             S3      5
8   2016-12-09  2            50              S9      6
6   2016-12-07  0            0               S6      7

我正在尝试生成如下输出：

    Date        SaleCount   TotalRevenue    shops   Rank
1   2016-12-02  100          9000            S2      1
5   2016-12-02  100          2000            S8      2
3   2016-12-02  35           750             S5      3
2   2016-12-02  30           1000            S1      4
7   2016-12-02  30           600             S7      5
9   2016-12-02  20           500             S10     6
4   2016-12-02  20           500             S4      6
0   2016-12-02  10           300             S3      7
8   2016-12-02  2            50              S9      8
6   2016-12-02  0            0               S6      9

将为iterable的每个唯一元素生成唯一值。我们只需要按照我们想要的顺序排序，然后进行因子分解。为了实现多列，我们将排序结果转换为元组

cols = ['SaleCount', 'TotalRevenue']
tups = df[cols].sort_values(cols, ascending=False).apply(tuple, 1)
f, i = pd.factorize(tups)
factorized = pd.Series(f + 1, tups.index)

df.assign(Rank=factorized)

         Date  SaleCount  TotalRevenue shops  Rank
1  2016-12-02        100          9000    S2     1
5  2016-12-02        100          2000    S8     2
3  2016-12-02         35           750    S5     3
2  2016-12-02         30          1000    S1     4
7  2016-12-02         30           600    S7     5
4  2016-12-02         20           500    S4     6
9  2016-12-02         20           500   S10     6
0  2016-12-02         10           300    S3     7
8  2016-12-02          2            50    S9     8
6  2016-12-02          0             0    S6     9

---

另一种方法是将感兴趣的两列类型转换为

str

，并通过连接它们来组合它们。将这些值转换回数值，以便根据其大小进行区分

在

method=densed

中，重复值的等级将保持不变。（此处：6）

由于您希望按降序排列，因此在中指定

ascending=False

将使您获得所需的结果

col1 = df["SaleCount"].astype(str) 
col2 = df["TotalRevenue"].astype(str)
df['Rank'] = (col1+col2).astype(int).rank(method='dense', ascending=False).astype(int)
df.sort_values('Rank')

（按照Nickil Maveli的回答，对两个（非负）int列进行排名的正确方法是将它们转换为字符串，将它们连接起来并转换回int。）

但是如果您知道

TotalRevenue

被限制在某个范围内，那么这里有一个快捷方式，例如0到MAX_REVENUE=100000；直接将它们作为非负整数进行操作：

df['Rank'] = (df['SaleCount']*MAX_REVENUE + df['TotalRevenue']).rank(method='dense', ascending=False).astype(int)

df.sort_values('Rank2')

---

实现这一点的一般方法是将所需的域分组到一个元组中，无论类型如何

df["Rank"] = df[["SaleCount","TotalRevenue"]].apply(tuple,axis=1)\
             .rank(method='dense',ascending=False).astype(int)

df.sort_values("Rank")

   TotalRevenue        Date  SaleCount shops  Rank
1          9000  2016-12-02        100    S2     1
5          2000  2016-12-02        100    S8     2
3           750  2016-12-02         35    S5     3
2          1000  2016-12-02         30    S1     4
7           600  2016-12-02         30    S7     5
4           500  2016-12-02         20    S4     6
9           500  2016-12-02         20   S10     6
0           300  2016-12-02         10    S3     7
8            50  2016-12-02          2    S9     8
6             0  2016-12-02          0    S6     9

sort_值

+

GroupBy.ngroup

这将给出密集的排名

列应在groupby之前按所需顺序排序。在

groupby

中指定

sort=False

，则遵循此排序，以便按照组在已排序数据框中出现的顺序标记组

cols = ['SaleCount', 'TotalRevenue']
df['Rank'] = df.sort_values(cols, ascending=False).groupby(cols, sort=False).ngroup() + 1

---

输出：

print(df.sort_values('Rank'))

   TotalRevenue        Date  SaleCount shops  Rank
1          9000  2016-12-02        100    S2     1
5          2000  2016-12-02        100    S8     2
3           750  2016-12-02         35    S5     3
2          1000  2016-12-02         30    S1     4
7           600  2016-12-02         30    S7     5
4           500  2016-12-02         20    S4     6
9           500  2016-12-02         20   S10     6
0           300  2016-12-02         10    S3     7
8            50  2016-12-02          2    S9     8
6             0  2016-12-02          0    S6     9

---

是的。否则，

rank

将无法根据组的大小分配组。@piRSquared:非常感谢：-）请注意，在不返回

astype（int）的情况下将两列
（col1+col2
串接在一起是危险的

这将是危险的，因为字符串land排序顺序中的'30'>'100'。这在语法上可能是正确的，但如果您看到排名仍然有效地基于TotalRevenue列。这是因为这两个数字的比例不同，所以它们的总和主要受TotalRevenue的影响，而不受SaleCount的影响。可能在重新加总应该会有帮助。这个解决方案基本上是按照TotalRevenue进行排名。如果我们想按另一列（如本例中的商店）进行分组，该怎么办？