Python 如何按顺序分组,而不是在同一行上使用不同的列?

Python 如何按顺序分组,而不是在同一行上使用不同的列?,python,pandas,group-by,Python,Pandas,Group By,这就是我拥有1000000列数据的方式。下面是它的一小部分。我改变了pred的值,只是为了让人们更容易看到。有很多用户在解卡。大约16000名用户和16000张卡 user card true pred 0 7933 4169 1.0 0.821682 1 16151 2940 1.0 0.724903 2 15134 2183 1.0 0.826126 3 12775 5977 1.0

这就是我拥有1000000列数据的方式。下面是它的一小部分。我改变了pred的值,只是为了让人们更容易看到。有很多用户在解卡。大约16000名用户和16000张卡

      user    card  true          pred
0      7933   4169   1.0  0.821682
1     16151   2940   1.0  0.724903
2     15134   2183   1.0  0.826126
3     12775   5977   1.0  0.685955
4       196  14972   1.0  0.719164
5     12994   8631   1.0  0.739311
6     15351   9968   1.0  0.738173
7      5413   7292   1.0  0.685801
8      8232   6662   1.0  0.764592
9     10437  12367   1.0  0.934161
这返回我如下。 我这样做是为了按照pred的顺序得到组。这只是第一个用户数据(仅用户0),因为组很大

user    index      pred
0      5172761    0.934161
       2193689    0.826126
       544664     0.821682
       8472082    0.764592
       4678627    0.739311
       1742257    0.738173
       450349     0.724903
       6202140    0.719164
       8834527    0.685955
       6149264    0.685801
也就是说,用户0有pred,结果在pred上排序。 但我最终想要的是,我想要得到与之相关联的true列。所以目标是这样的

user   index       pred      true
0      5172761    0.934161    1.0
       2193689    0.826126    1.0
       544664     0.821682    1.0
       8472082    0.764592    1.0
       4678627    0.739311    1.0
       1742257    0.738173    1.0
       450349     0.724903    1.0
       6202140    0.719164    1.0
       8834527    0.685955    1.0
       6149264    0.685801    1.0
有人能提供一个代码吗?先谢谢你。
干杯。

您的输出与共享数据不同。此外,您的原始数据没有
userGUID
good fix。另一个问题。索引列来自何处?在原始数据索引列中找不到它只是在我自动执行代码时出现的。我认为您应该在共享的原始数据上运行代码。索引似乎是在整个数据上运行时得到的。为什么不按用户和pred desc使用sort_值呢?您是否必须按用户分组才能执行agg作业?
user   index       pred      true
0      5172761    0.934161    1.0
       2193689    0.826126    1.0
       544664     0.821682    1.0
       8472082    0.764592    1.0
       4678627    0.739311    1.0
       1742257    0.738173    1.0
       450349     0.724903    1.0
       6202140    0.719164    1.0
       8834527    0.685955    1.0
       6149264    0.685801    1.0