当按一列对 pandas 数据框进行分组时,说“版本”,它有 10 个不同的版本。如何绘制前 3 名(覆盖超过 90%)并将小的剩余部分放入一个“其他”桶中。
data = array([
('Top1', 14),
('Top1', 3),
('Top1', 2),
('Top2', 6),
('Top2', 7),
('Other1', 1),
('Other2', 2),
],
dtype=[('Version', 'S10'),('Value', '<i4')])
df = DataFrame.from_records(data)
df.groupby('Version').sum()
返回:
Value
Version
Other1 1
Other2 2
Top1 19
Top2 13
我在找
Value
Version
Others
Top1 19
Top2 13
版本名称 Other* 和 Top* 只是为示例选择的。
当然,这可以通过在分组并与阈值进行比较后手动将类别设置为“其他”来实现。我希望有一条捷径。
最佳答案
我假设您还希望对 Other
组求和,对于您的示例总共 3 个?
如果我的目标是赢得 Pandas 单线比赛,这将是我的参赛作品:
df.replace(df.groupby('Version').sum().sort('Value', ascending=False).index[2:], 'Other').groupby('Version').sum()
Value
Version
Other 3
Top1 19
Top2 13
但这完全不可读,所以让我们分解一下:
您已经展示了如何对每个组求和、对结果进行排序并选择前 2 之外的任何内容,可以通过以下方式完成:
not_top2 = df.groupby('Version').sum().sort('Value', ascending=False).index[2:]
在此示例中,not_top2
包含 Other1
和 Other2
。
我们可以将这些 Versions
替换为通用名称:
dfnew = df.replace(not_top2, 'Other')
print dfnew
Version Value
0 Top1 14
1 Top1 3
2 Top1 2
3 Top2 6
4 Top2 7
5 Other 1
6 Other 2
上面的内容替换了not_top2
中任意一列的内容。如果您希望此值出现在 Version
以外的任何其他列中,则需要一个小的子步骤。
剩下的就是再次进行原始分组:
dfnew.groupby('Version').sum()
给出:
Value
Version
Other 3
Top1 19
Top2 13
关于python - 如何使用 pandas 将 Top N 之外的 "remaining"结果分组为 "Others",我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/19835746/