fiesta de baile2
Dado el siguiente marco de datos:
import pandas as pd
import numpy as np
df=pd.DataFrame({'A':['A','A','A','B','B','B'],
'B':['a','a','b','a','a','a'],
})
df
A B
0 A a
1 A a
2 A b
3 B a
4 B a
5 B a
Me gustaría crear la columna ‘C’, que numera las filas dentro de cada grupo en las columnas A y B de esta manera:
A B C
0 A a 1
1 A a 2
2 A b 1
3 B a 1
4 B a 2
5 B a 3
He intentado esto hasta ahora:
df['C'] = df.groupby(['A','B'])['B'].transform('rank')
… pero no funciona!
Usar groupby/cumcount:
In [25]: df['C'] = df.groupby(['A','B']).cumcount()+1; df
Out[25]:
A B C
0 A a 1
1 A a 2
2 A b 1
3 B a 1
4 B a 2
5 B a 3
-
el
rank()la función respondida por @Gokulakrishnan es realmente mejor para manejar el caso en el que los valores de columna agrupados son numéricos– paulperry
5 de noviembre de 2019 a las 0:50
-
Pregunta retórica de seguimiento: ¿Por qué tiene que ser tan difícil encontrar soluciones como esta leyendo los documentos de Pandas? A veces lleva una eternidad descubrir cómo hacer las cosas más simples.
–Steve Jorgensen
6 de diciembre de 2019 a las 4:50
-
Creo que este es el enfoque correcto.
rank()asume que los datos están ordenados, lo que puede o no ser el caso.– Kocas
14/09/2021 a las 15:53
-
Sí, no use el rango a menos que quiera decir que desea etiquetas de estadísticas ordenadas por grupo.
– matemáticas
22 oct 2021 a las 9:43
gokulakrishnan
Utilice la función groupby.rank. Aquí el ejemplo de trabajo.
df = pd.DataFrame({'C1':['a', 'a', 'a', 'b', 'b'], 'C2': [1, 2, 3, 4, 5]})
df
C1 C2
a 1
a 2
a 3
b 4
b 5
df["RANK"] = df.groupby("C1")["C2"].rank(method="first", ascending=True)
df
C1 C2 RANK
a 1 1
a 2 2
a 3 3
b 4 1
b 5 2
Al código de OP le faltaba el apropiado method para obtener la salida correcta.
df['C'] = df.groupby(['A','B'])['B'].transform('rank', method='first')
df
A B C
0 A a 1.0
1 A a 2.0
2 A b 1.0
3 B a 1.0
4 B a 2.0
5 B a 3.0