Pandas 排序 A 列排名 B 列排序

Question

目前我有以下python代码forumposts = pd.DataFrame({'UserId': [1,1,2,3,2,1,3], 'FirstPostDate': [2018,2018,2017,2019,2017,2018,2019], 'PostDate': [201801,201802,201701,201901,201801,201803,201902]})data = forumposts.groupby(['UserId', 'PostDate','FirstPostDate']).size().reset_index()rankedUserIdByFirstPostDate = data.groupby(['UserId', 'FirstPostDate']).size().reset_index().sort_values('FirstPostDate').reset_index(drop=True).reset_index()data.loc[:,'Rank'] = data.merge(rankedUserIdByFirstPostDate , how='left', on='UserId')['index'].values该代码按预期工作，但它很复杂，是否有更多类似熊猫的方法？意图如下：在UserId按 排序的列上创建一个密集排名，使得FirstPostDate发布最早的用户获得排名 0，而发布第二早的第一次发布的用户获得排名 1，依此类推。Usingforumposts.UserId.rank(method='dense')给了我一个排名，但它按 UserId 的顺序排序。

Answer 1

使用map由词典通过创建sort_values与drop_duplicates订单有拉链np.arange：

data = (forumposts.groupby(['UserId', 'PostDate','FirstPostDate'])

                  .size()

                  .reset_index(name='count'))

users = data.sort_values('FirstPostDate').drop_duplicates('UserId')['UserId']

d = dict(zip(users, np.arange(len(users))))

data['Rank'] = data['UserId'].map(d)

print (data)

   UserId  PostDate  FirstPostDate  count  Rank

0       1    201801           2018      1     1

1       1    201802           2018      1     1

2       1    201803           2018      1     1

3       2    201701           2017      1     0

4       2    201801           2017      1     0

5       3    201901           2019      1     2

6       3    201902           2019      1     2

另一种解决方案：

data['Rank'] = (data.groupby('UserId')['FirstPostDate']

                   .transform('min')

                   .rank(method='dense')

                   .sub(1)

                   .astype(int))