Python 熊猫的排名基于多个列

我有以下数据帧：

event_id  occurred_at  user_id
   19148   2015-10-01        1
   19693   2015-10-05        2
   20589   2015-10-12        1
   20996   2015-10-15        1
   20998   2015-10-15        1
   23301   2015-10-23        2
   23630   2015-10-26        1
   25172   2015-11-03        1
   31699   2015-12-11        1
   32186   2015-12-14        2
   43426   2016-01-13        1
   68300   2016-04-04        2
   71926   2016-04-19        1

我想为每个用户按时间顺序（1到n）对事件进行排序

我可以通过以下方式实现这一目标：

df.groupby('user_id')['occurred_at'].rank(method='dense')

但是，对于发生在同一日期（对于同一用户）的那两行，我的排名是相同的：

   20996   2015-10-15        1
   20998   2015-10-15        1

如果事件日期相同，我希望比较

事件id

，并任意将事件与最低的

事件id

排序。我怎样才能轻松做到这一点

我可以对排名进行后期处理，以确保每个排名只使用一次，但这似乎相当庞大

编辑：如何复制：

复制粘贴

data.csv

文件中的数据。 然后：

将熊猫作为pd导入
df=pd.read\u csv（'data.csv'，delim\u whitespace=True）
df['rank']=df.groupby（'user_id'）['发生在'].rank（method='dense'）
>>>df[df['user_id']==1]
事件\u id发生在\u用户\u id级别
0      19148  2015-10-01        1   1.0
2      20589  2015-10-12        1   2.0
3 20996 2015-10-15 1 3.0
在分组前对值（“事件id”）进行排序
，然后将
方法class='first'
传递到
等级

还请注意，如果在

发生的

尚未是

日期时间，请将其设置为日期时间

---

完整可验证代码的参考

---

我不能复制这个：

01.011.022.033.043.052.064.075.086.093.0107.0114.0128.0

它适用于meHmm，我认为这是一个bug，它不应该这样做，我现在可以复制这个我理解你的问题，你能在上面发布一个看起来像bug的问题吗，

rank

方法未正确处理字符串，如果您将日期列转换为

datetime

dtype

，则如果您看到下面的答案，它将正常工作。此外，如果您通过

method='first'，则会出现一个

AttributeError`我会将此作为一个问题发布，因为它应该起作用。这是什么版本？由于

0.18.1

上的

ValueError

失败，我得到了

AttributeError:“SeriesGroupBy”对象没有属性“\u aggregate\u item\u by\u item”

出于某种原因，我的numpy版本是

1.11.0

python 64位3.4.3。5@EdChum我马上去查numpy。我添加了完整的代码片段供您测试。@EdChum

np.\uuuuu版本\uuuuuu

也是

1.11.0

是的，问题是如果日期列仍然是字符串，那么转换为

datetime

会失败，所以我认为这是一个错误

import pandas as pd
df = pd.read_csv('data.csv', delim_whitespace=True)
df['rank'] = df.groupby('user_id')['occurred_at'].rank(method='dense')
>>> df[df['user_id'] == 1]
    event_id occurred_at  user_id  rank
0      19148  2015-10-01        1   1.0
2      20589  2015-10-12        1   2.0
3      20996  2015-10-15        1   3.0 <--
4      20998  2015-10-15        1   3.0 <--
6      23630  2015-10-26        1   4.0
7      25172  2015-11-03        1   5.0
8      31699  2015-12-11        1   6.0
10     43426  2016-01-13        1   7.0
12     71926  2016-04-19        1   8.0

# unnecessary if already datetime, but doesn't hurt to do it anyway
df.occurred_at = pd.to_datetime(df.occurred_at) 

df['rank'] = df.sort_values('event_id') \
                 .groupby('user_id').occurred_at \
                 .rank(method='first')
df

from StringIO import StringIO
import pandas as pd

text = """event_id  occurred_at  user_id
   19148   2015-10-01        1
   19693   2015-10-05        2
   20589   2015-10-12        1
   20996   2015-10-15        1
   20998   2015-10-15        1
   23301   2015-10-23        2
   23630   2015-10-26        1
   25172   2015-11-03        1
   31699   2015-12-11        1
   32186   2015-12-14        2
   43426   2016-01-13        1
   68300   2016-04-04        2
   71926   2016-04-19        1"""

df = pd.read_csv(StringIO(text), delim_whitespace=True)

df.occurred_at = pd.to_datetime(df.occurred_at) 

df['rank'] = df.sort_values('event_id').groupby('user_id').occurred_at.rank(method='first')

df