Pandas Groupby – 在组内排序

Pandas Groupby 用于我们想要将数据拆分并设置为组的情况，以便我们可以对这些组进行各种操作，例如 - 数据聚合，通过某些组计算进行转换或根据应用于组的特定条件进行过滤。

以类似的方式，我们可以在这些组中执行排序。

示例 1：让我们以数据框为例：

df = pd.DataFrame({'X': ['B', 'B', 'A', 'A'],
                   'Y': [1, 2, 3, 4]})
  
# using groupby function
df.groupby('X').sum()

输出：

让我们将排序参数作为 False 传递。

# using groupby function 
# with sort
df.groupby('X', sort = False).sum()

输出：

在这里，我们看到一个数据框，其中包含组内的排序值。

示例 2：
现在，让我们以不同年龄的数据框为例。使用 sort 和 groupby函数将根据键传递排列转换后的数据帧，以实现潜在的加速。

data = {'Name':['Elle', 'Chloe', 'Noah', 'Marco',  
                 'Lee', 'Elle', 'Rachel', 'Noah'],  
        'Age':[17, 19, 18, 17,  
               22, 18, 21, 20]}   
  
df = pd.DataFrame(data) 
df

输出：

让我们根据名称对上面的数据框进行分组

# using groupby without sort
df.groupby(['Name']).sum()

输出：

将排序参数作为 False 传递

# using groupby function 
# with sort
df.groupby(['Name'], sort = False).sum()

输出：

示例 3：
让我们再举一个数据框的例子，它包含各种汽车和自行车的最高速度。
我们将尝试在车辆类型组中排序最高速度。

import pandas as pd
  
  
df = pd.DataFrame([('Bike', 'Kawasaki', 186),
                   ('Bike', 'Ducati Panigale', 202),
                   ('Car', 'Bugatti Chiron', 304), 
                   ('Car', 'Jaguar XJ220', 210),
                   ('Bike', 'Lightning LS-218', 218), 
                   ('Car', 'Hennessey Venom GT', 270),
                   ('Bike', 'BMW S1000RR', 188)], 
                  columns =('Type', 'Name', 'top_speed(mph)'))
  
df

输出：

使用 groupby函数后

# Using groupby function
grouped = df.groupby(['Type'])['top_speed(mph)'].nlargest()
  
# using nlargest() function will get the 
# largest values of top_speed(mph) within
# groups created
print(grouped)

输出：