Fatal编程技术网
  • python/
  • Python 是否有一种方法可以对数据框中的某些项进行排序并排除其他项？

Python 是否有一种方法可以对数据框中的某些项进行排序并排除其他项？

python pandas

Python 是否有一种方法可以对数据框中的某些项进行排序并排除其他项？,python,pandas,filtering,ranking,Python,Pandas,Filtering,Ranking,我有一个名为ranks的pandas数据框架，其中包含我的集群及其关键指标。我使用rank（）对它们进行排名，但是有两个特定的集群，我希望它们的排名与其他集群不同 ranks=pd.DataFrame（数据={'Cluster'：['0'，'1'，'2'，'， '3', '4', '5','6', '7', '8', '9'], “客户数量”：[145118， 2. 1236, 219847, 9837, 64865, 3855, 219549, 34171, 3924120], “最近

我有一个名为ranks的pandas数据框架，其中包含我的集群及其关键指标。我使用
rank（）
对它们进行排名，但是有两个特定的集群，我希望它们的排名与其他集群不同

ranks=pd.DataFrame（数据={'Cluster'：['0'，'1'，'2'，'，
'3', '4', '5','6', '7', '8', '9'],
“客户数量”：[145118，
2.
1236, 
219847, 
9837,
64865,
3855,
219549,
34171,
3924120],  
“最近大街”：[39.0197，
47.0, 
15.9716, 
41.9736, 
23.9330,
24.8281,
26.5647,
17.7493,
23.5205,
24.7933],
“平均频率”：[1.7264，
19.0, 
24.9101, 
3.0682, 
3.2735,
1.8599,
3.9304,
3.3356,
9.1703,
1.1684],
“货币大道”：[14971.85，
237270.00, 
126992.79, 
17701.64, 
172642.35,
13159.21,
54333.56,
17570.67,
42136.68,
4754.76]})
排名['Ave.Expense']=排名['Ave.Monetary']/排名['Ave.Frequency']
然后我应用
rank（）
方法如下：

ranks['r_rank'] = ranks['Ave. Recency'].rank()
ranks['f_rank'] = ranks['Ave. Frequency'].rank(ascending=False)
ranks['m_rank'] = ranks['Ave. Monetary'].rank(ascending=False)
ranks['s_rank'] = ranks['Ave. Spend'].rank(ascending=False)
ranks['overall'] = ranks.apply(lambda row: row.r_rank + row.f_rank + row.m_rank + row.s_rank, axis=1)
ranks['overall_rank'] = ranks['overall'].rank(method='first')

if(ranks['s_rank'].min() == 1):
    ranks['overall_rank_2'] = 1
elif(ranks['r_rank'].max() == len(ranks)):
    ranks['overall_rank_2'] = len(ranks)
else:
    ranks_2 = ranks.drop(ranks.index[[ranks[ranks['s_rank'] == ranks['s_rank'].min()].index[0],ranks[ranks['r_rank'] == ranks['r_rank'].max()].index[0]]])
    ranks_2['r_rank'] = ranks_2['Ave. Recency'].rank()
    ranks_2['f_rank'] = ranks_2['Ave. Frequency'].rank(ascending=False)
    ranks_2['m_rank'] = ranks_2['Ave. Monetary'].rank(ascending=False)
    ranks_2['s_rank'] = ranks_2['Ave. Spend'].rank(ascending=False)
    ranks_2['overall'] = ranks.apply(lambda row: row.r_rank + row.f_rank + row.m_rank + row.s_rank, axis=1)
    ranks['overall_rank_2'] = ranks_2['overall'].rank(method='first')
这就给了我：

   Cluster  No. Customers|Ave. Recency|Ave. Frequency|Ave. Monetary|Ave. Spend|r_rank|f_rank|m_rank|s_rank|overall|overall_rank
0    0          145118       39.0197      1.7264        14,971.85    8,672.07     8     9       8      4      29        9     
1    1          2            47.0         19.0         237,270.00   12,487.89     10    2       1      3      16        3 
2    2          1236         15.9716      24.9101      126,992.79    5,098.02     1     1       3      8      13        1
3    3          219847       41.9736      3.0682        17,701.64    5,769.23     9     7       6      6      28        7
4    4          9837         23.9330      3.2735       172,642.35   52,738.42     4     6       2      1      13        2
5    5          64865        24.8281      1.8599        13,159.21    7,075.19     6     8       9      5      28        8
6    6          3855         26.5647      3.9304        54,333.56   13,823.64     7     4       4      2      17        4
7    7          219549       17.7493      3.3356        17,570.67    5,267.52     2     5       7      7      21        6
8    8          34171        23.5205      9.1703        42,136.68    4,594.89     3     3       5      9      20        5
9    9          3924120      24.7933      1.1684         4,754.76    4,069.21     5     10      10     10     35        10
这就是它应该做的，但是具有最高
Ave.expense
的集群需要始终排在第一位，具有最高
Ave.recenty
的集群需要始终排在最后

所以我修改了上面的代码如下：

ranks['r_rank'] = ranks['Ave. Recency'].rank()
ranks['f_rank'] = ranks['Ave. Frequency'].rank(ascending=False)
ranks['m_rank'] = ranks['Ave. Monetary'].rank(ascending=False)
ranks['s_rank'] = ranks['Ave. Spend'].rank(ascending=False)
ranks['overall'] = ranks.apply(lambda row: row.r_rank + row.f_rank + row.m_rank + row.s_rank, axis=1)
ranks['overall_rank'] = ranks['overall'].rank(method='first')

if(ranks['s_rank'].min() == 1):
    ranks['overall_rank_2'] = 1
elif(ranks['r_rank'].max() == len(ranks)):
    ranks['overall_rank_2'] = len(ranks)
else:
    ranks_2 = ranks.drop(ranks.index[[ranks[ranks['s_rank'] == ranks['s_rank'].min()].index[0],ranks[ranks['r_rank'] == ranks['r_rank'].max()].index[0]]])
    ranks_2['r_rank'] = ranks_2['Ave. Recency'].rank()
    ranks_2['f_rank'] = ranks_2['Ave. Frequency'].rank(ascending=False)
    ranks_2['m_rank'] = ranks_2['Ave. Monetary'].rank(ascending=False)
    ranks_2['s_rank'] = ranks_2['Ave. Spend'].rank(ascending=False)
    ranks_2['overall'] = ranks.apply(lambda row: row.r_rank + row.f_rank + row.m_rank + row.s_rank, axis=1)
    ranks['overall_rank_2'] = ranks_2['overall'].rank(method='first')
然后我得到这个

   Cluster  No. Customers|Ave. Recency|Ave. Frequency|Ave. Monetary|Ave. Spend|r_rank|f_rank|m_rank|s_rank|overall|overall_rank|overall_rank_2
0    0          145118       39.0197      1.7264        14,971.85    8,672.07     8     9       8      4      29        9             1     
1    1          2            47.0         19.0         237,270.00   12,487.89     10    2       1      3      16        3             1 
2    2          1236         15.9716      24.9101      126,992.79    5,098.02     1     1       3      8      13        1             1
3    3          219847       41.9736      3.0682        17,701.64    5,769.23     9     7       6      6      28        7             1
4    4          9837         23.9330      3.2735       172,642.35   52,738.42     4     6       2      1      13        2             1
5    5          64865        24.8281      1.8599        13,159.21    7,075.19     6     8       9      5      28        8             1
6    6          3855         26.5647      3.9304        54,333.56   13,823.64     7     4       4      2      17        4             1
7    7          219549       17.7493      3.3356        17,570.67    5,267.52     2     5       7      7      21        6             1
8    8          34171        23.5205      9.1703        42,136.68    4,594.89     3     3       5      9      20        5             1
9    9          3924120      24.7933      1.1684         4,754.76    4,069.21     5     10      10     10     35        10            1
请帮助我修改上述if声明，或者建议完全不同的方法。当然，这需要尽可能动态。

因此，您需要在数据帧上进行自定义排名，其中具有最高
平均花费的集群（/row）总是排名第一，而具有最高
平均最近性的集群总是排在最后

解决方案是五行。注:


    

  • 对于
    DataFrame.drop（）
    ，您的想法是正确的，只需使用
    idxmax（）
    获取需要特殊处理的两行的索引，并将其存储，这样您就不需要在
    drop
    中使用庞大而笨拙的逻辑过滤器表达式
    • 

  • 不需要创建这么多临时列，也不需要临时复制
    ranks_2=ranks.drop（…）
    ；只需将
    drop（）
    的结果传递到
    rank（）
    • 

  • 。。。通过所需列上的
    .sum（axis=1）
    ，无需定义lambda，也无需将其输出保存在temp列
    “total
    ”中
    • 

  • …然后我们只需将这些列组之和输入
    rank（）
    ，这将为我们提供1..8的值，因此我们添加1以将
    rank（）
    的结果抵消为2..9。（你可以概括这一点）
    • 

  • 我们为
    Ave.expense
    ，
    Ave.recenty
    行手动设置“总体排名”
    • 

  • （是的，您也可以将所有这些实现为一个自定义函数，其输入为四列
    Ave.
    列或四列
    *\u rank
    列。）
    • 


代码：（请参阅底部的样板，以便在您的数据框中阅读，下次请制作示例MCVE，以帮助我们帮助您）

下面是接收数据的样板文件：


import pandas as pd

from io import StringIO

# """Cluster   No. Customers| Ave. Recency| Ave. Frequency| Ave. Monetary| Ave. Spend|
dat = """
0           145118        39.0197       1.7264         14,971.85     8,672.07
1           2             47.0          19.0          237,270.00    12,487.89
2           1236          15.9716       24.9101       126,992.79     5,098.02
3           219847        41.9736       3.0682         17,701.64     5,769.23
4           9837          23.9330       3.2735        172,642.35    52,738.42
5           64865         24.8281       1.8599         13,159.21     7,075.19
6           3855          26.5647       3.9304         54,333.56    13,823.64
7           219549        17.7493       3.3356         17,570.67     5,267.52
8           34171         23.5205       9.1703         42,136.68     4,594.89
9           3924120       24.7933       1.1684          4,754.76     4,069.21 """

# Remove the comma thousands-separator, to prevent your floats being read in as string
dat = dat.replace(',', '')

ranks = pd.read_csv(StringIO(dat), sep='\s+', names=
    "Cluster|No. Customers|Ave. Recency|Ave. Frequency|Ave. Monetary|Ave. Spend".split('|'))



欢迎来到StackOverflow。请花点时间阅读这篇文章，以及如何提供答案，并相应地修改你的问题。这些关于如何提出好问题的提示可能也很有用。好吧，您希望在数据帧上自定义排名，其中
Ave.Spend
最高的集群（/row）总是排在第一位，而Ave.recenty最高的集群总是排在最后。请将您的代码示例编辑为可执行（MCVE）。顺便说一句，包含空格的列很烦人，并且使代码很长，我会将它们重命名为
AvRec、AvFrq、AvMon、AvSpn
或其他任何名称。顺便说一句，
rank（）
在应用于浮点列时将返回浮点（不是int）。因为可能存在平局，
rank（method='average'）
返回浮动。用
.astype（int）
来贬低这一点是不安全的，因为你需要处理那些棘手的问题。至于清楚地说明问题：“我有一个包含集群及其关键指标的数据框架。”集群是一组客户吗？（信用卡用户？B2B？杂货店？）一组计算机？还有别的吗？