在一个组内按降序排序的累积和。熊猫

Question

我在组内应用 sort_values() 和 cumsum() 时遇到了问题。我有一个数据集：基本上，我需要对组内的值进行排序，获取累计销售额并选择那些占销售额 90% 的行。获得第一然后，只需选择每个区域内 90% 的销售额我尝试了以下方法，但最后一行不起作用。我返回错误：无法访问“SeriesGroupBy”对象的可调用属性“sort_values”，请尝试使用“应用”方法我也试过申请..import pandas as pddf = pd.DataFrame({'id':['id_1', 'id_2','id_3','id_4','id_5','id_6','id_7','id_8', 'id_1', 'id_2','id_3','id_4','id_5','id_6','id_7','id_8'],               'region':[1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,],               'sales':[54,34,23,56,78,98,76,34,27,89,76,54,34,45,56,54]})df['%']=df['sales']/df.groupby(df['region'])['sales'].transform('sum')df['cumul'] = df.groupby(df['region'])['sales'].sort_values(ascending=False).cumsum()

Answer 1

您绝对可以先对数据框进行排序，然后执行以下操作groupby()：

df.sort_values(['region','sales'], ascending=[True,False],inplace=True)

df['%']=df['sales']/df.groupby(df['region'])['sales'].transform('sum')

df['cummul'] = df.groupby('region')['%'].cumsum()

# filter

df[df['cummul'].le(0.9)]

输出：

      id  region  sales         %    cummul

5   id_6       1     98  0.216336  0.216336

4   id_5       1     78  0.172185  0.388521

6   id_7       1     76  0.167770  0.556291

3   id_4       1     56  0.123620  0.679912

0   id_1       1     54  0.119205  0.799117

1   id_2       1     34  0.075055  0.874172

9   id_2       2     89  0.204598  0.204598

10  id_3       2     76  0.174713  0.379310

14  id_7       2     56  0.128736  0.508046

11  id_4       2     54  0.124138  0.632184

15  id_8       2     54  0.124138  0.756322

13  id_6       2     45  0.103448  0.859770

Answer 2

首先，我们使用您的逻辑来创建列，%但我们multiply使用整数。100round

region然后我们按and排序%，不需要groupby.

排序后，我们创建cumul列。

最后我们选择90%范围内的那些query：

df['%'] = df['sales'].div(df.groupby('region')['sales'].transform('sum')).mul(100).round()

df = df.sort_values(['region', '%'], ascending=[True, False])

df['cumul'] = df.groupby('region')['%'].cumsum()

df.query('cumul.le(90)')

输出

      id  region  sales     %  cumul

5   id_6       1     98  22.0   22.0

4   id_5       1     78  17.0   39.0

6   id_7       1     76  17.0   56.0

0   id_1       1     54  12.0   68.0

3   id_4       1     56  12.0   80.0

1   id_2       1     34   8.0   88.0

9   id_2       2     89  20.0   20.0

10  id_3       2     76  17.0   37.0

14  id_7       2     56  13.0   50.0

11  id_4       2     54  12.0   62.0

15  id_8       2     54  12.0   74.0

13  id_6       2     45  10.0   84.0

Answer 3

如果您只需要没有百分比的销售数据，可以通过方法链接轻松完成：

(

  df

  .sort_values(by='sales', ascending=False)

  .groupby('region')

  .apply(lambda x[x.sales > x.sales.quantile(.1)])

  .reset_index(level=0, drop=True)

)

输出

      id  region  sales

5   id_6       1     98

4   id_5       1     78

6   id_7       1     76

3   id_4       1     56

0   id_1       1     54

1   id_2       1     34

7   id_8       1     34

9   id_2       2     89

10  id_3       2     76

14  id_7       2     56

11  id_4       2     54

15  id_8       2     54

13  id_6       2     45

12  id_5       2     34

这是有效的，因为获得大于 10% 的所有值与获得前 90% 的值基本相同。