获取分组数据帧中每组中列的值递增的行 [英] Getting rows for increasing values of a column in each group in grouped dataframe
本文介绍了获取分组数据帧中每组中列的值递增的行的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
我的数据帧df是：
data = {'Election Year':['2000', '2000','2000','2000','2000','2000','2000','2000','2000','2005','2005','2005','2005','2005','2005','2005','2005','2005', '2010', '2010','2010','2010','2010','2010','2010','2010', '2010'],
'Votes':[30, 50, 20, 26, 30, 45, 20, 46, 80, 60, 46, 95, 60, 10, 95, 16, 65, 35, 50, 100, 70, 26, 180, 100, 120, 46, 80],
'Party': ['A', 'B', 'C', 'A', 'B', 'C','A', 'B', 'C','A', 'B', 'C','A', 'B', 'C','A', 'B', 'C', 'A', 'B', 'C','A', 'B', 'C','A', 'B', 'C'],
'Region': ['a', 'a', 'a', 'b', 'b', 'b','c', 'c', 'c','a', 'a', 'a', 'b', 'b', 'b','c', 'c', 'c','a', 'a', 'a', 'b', 'b', 'b','c', 'c', 'c']}
df = pd.DataFrame(data)
df
Election Year Votes Party Region
0 2000 30 A a
1 2000 50 B a
2 2000 20 C a
3 2000 26 A b
4 2000 30 B b
5 2000 45 C b
6 2000 20 A c
7 2000 46 B c
8 2000 80 C c
9 2005 60 A a
10 2005 66 B a
11 2005 95 C a
12 2005 60 A b
13 2005 10 B b
14 2005 95 C b
15 2005 16 A c
16 2005 65 B c
17 2005 35 C c
18 2010 50 A a
19 2010 100 B a
20 2010 70 C a
21 2010 26 A b
22 2010 180 B b
23 2010 100 C b
24 2010 120 A c
25 2010 46 B c
26 2010 80 C c
Party Region
B a
B c
C b
首先，我试图根据2000年的总票数获得前两名的选票。这是给予Party&Quot；C"；和&Quot；B"；。
df1=df['Election Year'].eq('2000')
top_2=df[m].groupby(['Election Year','Party'],as_index=False)
['Votes'].sum().sort_values('Votes',ascending=False).head(2)['Party'].values
top_2
这将给交易方&Quot；C"；和&Quot；B"；提供。
现在我如何检查这些政党的选票在随后几年增加的地区？
推荐答案
我喜欢Rob Raymond的回答，但我只想强调另外几件可能对解决此类问题有用的事情。对于此类分析，最好将"；Party"；和"；Region&Quot；列作为索引来查看数据。
如果我们这样做
grps = ["Party", "Region"] # I do this because we will use these later
df = df.set_index(grps).sort_index()
那么df现在看起来像
Election Year Votes
Party Region
A a 2000 30
a 2005 60
a 2010 50
b 2000 26
b 2005 60
b 2010 26
c 2000 20
c 2005 16
c 2010 120
B a 2000 50
a 2005 46
a 2010 100
b 2000 30
b 2005 10
b 2010 180
c 2000 46
c 2005 65
c 2010 46
C a 2000 20
a 2005 95
a 2010 70
b 2000 45
b 2005 95
b 2010 100
c 2000 80
c 2005 35
c 2010 80
我认为这更容易通过目测和交叉核对来研究。例如，根据我对您问题的理解，票数每年增加的唯一政党/地区是2000年的45票、2005年的95票和2010年的100票。
但是如果数据太大而无法查看怎么办？那么我们可以按新索引分组(记住这现在是"；Party"；和"；region"；)，并将diff方法应用于"；Votes&Quot；列。我们将此结果重新分配给一个名为"；Vote diff&qot；的新列。
df["Vote Diff"] = df.groupby(grps)["Votes"].diff()
现在df是
Election Year Votes Vote Diff
Party Region
A a 2000 30 NaN
a 2005 60 30.0
a 2010 50 -10.0
b 2000 26 NaN
b 2005 60 34.0
b 2010 26 -34.0
c 2000 20 NaN
c 2005 16 -4.0
c 2010 120 104.0
B a 2000 50 NaN
a 2005 46 -4.0
a 2010 100 54.0
b 2000 30 NaN
b 2005 10 -20.0
b 2010 180 170.0
c 2000 46 NaN
c 2005 65 19.0
c 2010 46 -19.0
C a 2000 20 NaN
a 2005 95 75.0
a 2010 70 -25.0
b 2000 45 NaN
b 2005 95 50.0
b 2010 100 5.0
c 2000 80 NaN
c 2005 35 -45.0
c 2010 80 45.0
现在我们可以很容易地看到投票的起伏。对于您要做的事情，我们目前不太关心2000年，因此我们可以在下一部分使用drona安全地删除带有NaN的行。
我们现在需要对党/地区的群组进行过滤，只保留群组中所有值都为正值(即投票数每年都在增加)的群组。我们可以在groupby对象上使用filter来做到这一点。我们需要一个小函数来测试这是否为真，这里我使用的是lambda，但您也可以只定义它。
out = df.dropna().groupby(grps).filter(lambda x: (x["Vote Diff"] > 0).all())
提供
Election Year Votes Vote Diff
Party Region
C b 2005 95 50.0
b 2010 100 5.0
瞧！我们看到票数同比增长的只有C/b地区。
我们没有研究如何将此与您的顶级交易方要求相结合，但是您有一个顶级交易方列表，这很简单(对top_2代码稍作修改)
top_2 = (df[df["Election Year"] == "2000"]
.groupby("Party")["Votes"].sum()
.nlargest(2))
out.loc[top_2.index]
将所有内容放在一起
top_2 = (df[df["Election Year"] == "2000"]
.groupby("Party")["Votes"].sum()
.nlargest(2))
grps = ["Party", "Region"]
df = df.set_index(grps).sort_index()
df["Vote Diff"] = df.groupby(grps)["Votes"].diff()
df.dropna().groupby(grps).filter(lambda x: (x["Vote Diff"] > 0).all()).loc[top_2.index]
这篇关于获取分组数据帧中每组中列的值递增的行的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
查看全文
