Python 如何对一列进行分组，然后对数据帧中另一列的_值进行排序？

我有一个熊猫数据框，看起来像：

  SampleID      expr             Gene  Period                     tag
4   HSB103  7.214731  ENSG00000198615       5  HSB103|ENSG00000198615
2   HSB103  4.214731  ENSG00000198725       4  HSB103|ENSG00000198725
5   HSB100  3.214731  ENSG00000198615       4  HSB100|ENSG00000198615
1   HSB106  2.200031  ENSG00000198780       5  HSB106|ENSG00000198780
0   HSB103  1.214731  ENSG00000198780       4  HSB103|ENSG00000198780
3   HSB103  0.214731  ENSG00000198615       4  HSB103|ENSG00000198615

  SampleID      expr             Gene  Period                     tag
0   HSB103  7.214731  ENSG00000198615       5  HSB103|ENSG00000198615
1   HSB100  3.214731  ENSG00000198615       4  HSB100|ENSG00000198615
2   HSB103  0.214731  ENSG00000198615       4  HSB103|ENSG00000198615
3   HSB103  4.214731  ENSG00000198725       4  HSB103|ENSG00000198725
4   HSB106  2.200031  ENSG00000198780       5  HSB106|ENSG00000198780
5   HSB103  1.214731  ENSG00000198780       4  HSB103|ENSG00000198780

我要做的是按

基因分组

，然后按

expr

降序排序，这样看起来像：

  SampleID      expr             Gene  Period                     tag
4   HSB103  7.214731  ENSG00000198615       5  HSB103|ENSG00000198615
2   HSB103  4.214731  ENSG00000198725       4  HSB103|ENSG00000198725
5   HSB100  3.214731  ENSG00000198615       4  HSB100|ENSG00000198615
1   HSB106  2.200031  ENSG00000198780       5  HSB106|ENSG00000198780
0   HSB103  1.214731  ENSG00000198780       4  HSB103|ENSG00000198780
3   HSB103  0.214731  ENSG00000198615       4  HSB103|ENSG00000198615

  SampleID      expr             Gene  Period                     tag
0   HSB103  7.214731  ENSG00000198615       5  HSB103|ENSG00000198615
1   HSB100  3.214731  ENSG00000198615       4  HSB100|ENSG00000198615
2   HSB103  0.214731  ENSG00000198615       4  HSB103|ENSG00000198615
3   HSB103  4.214731  ENSG00000198725       4  HSB103|ENSG00000198725
4   HSB106  2.200031  ENSG00000198780       5  HSB106|ENSG00000198780
5   HSB103  1.214731  ENSG00000198780       4  HSB103|ENSG00000198780

我尝试过以下方法，但都不起作用：

尝试1:

p4p5.sort_values(by=['expr'], ascending=[False], inplace=True).groupby(['Gene'])

p4p5.groupby(['Gene'])
p4p5.sort_values(by=['expr'], ascending=[False], inplace=True)

尝试2:

p4p5.sort_values(by=['expr'], ascending=[False], inplace=True).groupby(['Gene'])

p4p5.groupby(['Gene'])
p4p5.sort_values(by=['expr'], ascending=[False], inplace=True)

问题更新：

一旦我进行分组和排序，我如何才能过滤数据框，使每个基因组的表达量只剩下最后10%呢？当我说

bottom10%

时，我的意思是在理论分布意义上，不是说如果我每个基因有100行，过滤后我会得到10行。我想会是这样的：

p4p5.sort_values(by=['Gene','expr'], ascending=[True,False], inplace=True).quantile([0.1])

---

这里不需要

groupby

，只需按两列对值进行排序，例如：

p4p5.sort_values(by=['Gene','expr'], ascending=[True,False], inplace=True)

编辑：对于更新的问题，您可以使用

groupby

和

tail

，例如：

p4p5_bottom10 = (p4p5.sort_values(by='expr', ascending=False).groupby('Gene')
                     .apply(lambda df_g: df_g.tail(int(len(df_g)*0.1))))

您也可以在末尾添加

.reset\u index（drop=True）

第二次编辑：希望这次我理解得很好，你可以这样做：

#first sort 
p4p5= p4p5.sort_values(['Gene','expr'], ascending=[True,False]).reset_index(drop=True)
# select the part of the data under quantile 10% (reset_index not mandatory)
p4p5_bottom10  = (p4p5[p4p5.groupby('Gene')['expr'].apply(lambda x: x < x.quantile(0.1))]
                       .reset_index(drop=True))

#第一类
p4p5=p4p5。排序_值（['Gene'，'expr']，升序=[True，False]）。重置_索引（drop=True）
#选择分位数10%下的数据部分（重置索引不是强制性的）
p4p5_bottom10=（p4p5[p4p5.groupby（'Gene'）['expr'].apply（λx:x

简单的解决方案是：

>>> df.sort_values(['Gene','expr'],ascending=[True,False]).groupby('Gene').tail(3)
  SampleID      expr             Gene  Period                     tag
0   HSB103  7.214731  ENSG00000198615       5  HSB103|ENSG00000198615
2   HSB100  3.214731  ENSG00000198615       4  HSB100|ENSG00000198615
5   HSB103  1.214731  ENSG00000198615       4  HSB103|ENSG00000198615
1   HSB103  4.214731  ENSG00000198725       4  HSB103|ENSG00000198725
3   HSB106  2.200031  ENSG00000198780       5  HSB106|ENSG00000198780
4   HSB103  1.214731  ENSG00000198780       4  HSB103|ENSG00000198780

---

对于您更新的问题，您所说的过滤器是什么意思？您想删除数据帧的底部10%还是只保留这10%？我只保留底部10%您所说的“理论分布”是什么意思？不确定是否理解我的意思是，我希望在确定底部10%时考虑实际的表达式值，而不仅仅是选择每个基因的底部10行。例如，在R中，命令如下：

groupby（Gene）%%>%arrange（Gene，desc（expr））%%>%filter（expr

感谢您的更新！当我尝试打印p4p5\u bottom10时，我得到：

空数据帧列：[SampleID，expr，Gene，Period，tag]索引：[]

@claudiadast这取决于每个组中有多少行。如果每个基因的行数少于10行，则将每个基因结果的底部10%获取为无数据，选择为

int（len（df_g）*0.1）

为零，如果

len（df_g）@claudiadast请参见我的第二次编辑，如果不是你想要的，我真的没有得到它；）直接在
groupby
后面的
tail
的问题是，要得到每个基因的底部10%（我是如何理解这个问题的），你需要确保所有的组都与
tail
大小相同，只接受整数而不接受百分比（至少据我所知）@Ben.T，看起来像是我理解的最初的帖子，但从某种意义上说你是对的，所以你的答案会符合。问题已经编辑，我们都错了显然^^^是的，本：），这会发生，因为从那时起已经编辑了50分钟，所以肯定会有所不同。