पांडा डेटाफ्रेम

Question

में उपसमूहों में पंक्तियों को रैंक करने का तेज़ तरीका मेरे पास एक पांडा डेटा फ्रेम है जो विभिन्न उपसमूहों से बना है।

df = pd.DataFrame({ 
    'id':[1, 2, 3, 4, 5, 6, 7, 8], 
    'group':['a', 'a', 'a', 'a', 'b', 'b', 'b', 'b'], 
    'value':[.01, .4, .2, .3, .11, .21, .4, .01] 
    }) 

मैं अपने समूह में प्रत्येक आईडी का रैंक ढूंढना चाहता हूं, कम मूल्य बेहतर है। उपर्युक्त उदाहरण में, समूह ए में, आईडी 1 में 1 रैंक होगा, आईडी 2 का रैंक 4 होगा। समूह बी में, आईडी 5 में 2 रैंक होगा, आईडी 8 के पास रैंक 1 होगा और इसलिए पर। मान के अनुसार सॉर्ट

1. :

   अभी मैं द्वारा रैंक का आकलन।

   df.sort('value', ascending = True, inplace=True)

2. एक स्थान रखनेवाला समारोह बनाएं

   def ranker(df): df['rank'] = np.arange(len(df)) + 1 return df

3. (यह पहले से ही हल कर चर मान लिया गया है) अलग से प्रत्येक समूह पर स्थान रखनेवाला समारोह लागू करें:

   df = df.groupby(['group']).apply(ranker)

012,

यह प्रक्रिया काम करती है लेकिन जब मैं इसे डेटा की लाखों पंक्तियों पर चलाता हूं तो यह वास्तव में धीमा होता है। क्या किसी के पास कोई तेज़ रैंकर फ़ंक्शन बनाने के बारे में कोई विचार है।

Answer 1

रैंक साइथोनिज्ड है इसलिए बहुत तेज़ होना चाहिए। और आप df.rank() hererank के लिए दस्तावेज़ हैं जैसे ही विकल्प पास कर सकते हैं। जैसा कि आप देख सकते हैं, method तर्क के माध्यम से पांच अलग-अलग तरीकों में से एक में टाई-ब्रेक किया जा सकता है।

यह भी संभव है कि आप समूह के .cumcount() चाहते हैं।

In [12]: df.groupby('group')['value'].rank(ascending=False) 
Out[12]: 
0 4 
1 1 
2 3 
3 2 
4 3 
5 2 
6 1 
7 4 
dtype: float64 

Answer 2

एक बड़ा DataFrame (13 लाख लाइनों) के साथ कार्य करना, GroupBy साथ विधि रैंक बाहर maxed RAM की मेरी 8GB एक यह एक बहुत लंबा समय लगा। मुझे याद में एक लालसा कम लालसा मिला, मैंने यहां बस मामले में रखा:

df.sort_values('value') 
tmp = df.groupby('group').size() 
rank = tmp.map(range) 
rank =[item for sublist in rank for item in sublist] 
df['rank'] = rank