Python 我对groupby应用了sum(),并希望对最后一列的值进行排序
给定以下数据帧Python 我对groupby应用了sum(),并希望对最后一列的值进行排序,python,sorting,pandas,sum,pandas-groupby,Python,Sorting,Pandas,Sum,Pandas Groupby,给定以下数据帧 user_ID product_id amount 1 456 1 1 87 1 1 788 3 1 456 5 1 87 2 ... ... ... 第一列是客户的ID,第二列是他购买的产品的ID,如果当天购买的产品数量(日期也被考虑在内),则表示“金额”。一个
user_ID product_id amount
1 456 1
1 87 1
1 788 3
1 456 5
1 87 2
... ... ...
第一列是客户的ID,第二列是他购买的产品的ID,如果当天购买的产品数量(日期也被考虑在内),则表示“金额”。一个顾客每天可以想买多少就买多少。
我想计算每个产品被客户购买的总次数,因此我应用了groupby
df.groupby(['user_id','product_id'], sort=True).sum()
现在我想对每组的金额总和进行排序。
有什么帮助吗?假设
df
是:
user_ID product_id amount
0 1 456 1
1 1 87 1
2 1 788 3
3 1 456 5
4 1 87 2
5 2 456 1
6 2 788 3
7 2 456 5
然后您可以像以前一样使用,groupby
和sum
,此外,您还可以按两列对值进行排序[用户ID,金额]
和升序=[真,假]
表示用户的升序和每个用户金额的降序:
new_df = df.groupby(['user_ID','product_id'], sort=True).sum().reset_index()
new_df = new_df.sort_values(by = ['user_ID', 'amount'], ascending=[True,False])
print(new_df)
输出:
user_ID product_id amount
1 1 456 6
0 1 87 3
2 1 788 3
3 2 456 6
4 2 788 3
您还可以使用
aggregate()
:
输出:
product_id user_ID amount
1 2 1 3
2 4 1 2
3 6 1 1
4 9 1 5
5 1 2 5
6 3 2 9
7 8 2 1
8 10 2 5
9 2 3 5
10 3 3 5
11 4 3 5
12 5 3 3
13 8 3 5
14 3 4 3
15 4 4 9
16 5 4 2
17 10 4 1
18 2 5 1
19 4 5 4
20 5 5 2
21 10 5 2
这将为您提供最大的前五名:
# n = number of rows you want to return
df.groupby(['user_id'])['amount'].sum().nlargest(n)
# n = number of rows you want to return
df.groupby(['user_id'])['amount'].sum().nlargest(n)