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

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)