python - 根据 Pandas 中的多个条件和 groupby 执行列内匹配值的累积计数

Question

我有不同的商家、产品和人气排名，大小参差不齐。

<表类=“s-表”> <标题> 商家 产品 排名 <正文> 商户1 苹果 1 商户1 香蕉 2 商户1 芒果 3 商户1 葡萄 4 商户1 猕猴桃 5 商家2 橙色 1 商家2 苹果 2 商家2 香蕉 3 商家2 葡萄 4 商家3 芒果 1 商家3 葡萄 2 商家3 橙色 3

我想统计每个商家的累计匹配产品数量，然后返回调整后的排名(即累计+1)。但我只想计算第一组匹配产品，并且仅当它们从 1 开始时，如果总数不 > 2，则调整后的排名重置为 1。

在此示例中，匹配模式为 apple|banana|orange

理想的输出是一个包含商家、排名和调整后排名的数据框:

<表类=“s-表”> <标题> 商家 排名 调整后的排名 <正文> 商户1 1 3 商家2 1 4 商家3 1 1

在 this post 的帮助下，我已经成功解决了这个问题。但我感觉我所做的事情效率很低。有没有更好的方法来实现这一点？

df = pd.read_csv('data.csv')

pattern = 'apple|banana|orange'

# Check column contains substring and create bool column
df['Match'] = np.where(df['Product'].str.contains(pattern), True, False)

# perform count on True values, resetting when False 
df['Count'] = df.groupby(df['Match'].astype(int).diff().ne(0).cumsum())['Match'].cumsum()

# filter out False values

filtered = df[df['Match'] != False]

# filter out values where rank != count, as these aren't in the 1st grouping

filtered = filtered.loc[filtered['Rank'] == filtered['Count']]

# get max rank from remaining values

filtered = filtered.groupby('Merchant')['Count'].max().reset_index(name='Adjusted Rank')

# add 1 to ranks to get maximum position, reset ranking to 1 if there aren't 2 concurrent values

filtered['Adjusted Rank'] = np.where(filtered['Adjusted Rank'] > 2, (filtered['Adjusted Rank'] + 1), 1)

# merge dfs, drop columns, drop dupes

df = df.merge(filtered, how='left', on='Merchant').fillna(1)

df = df[['Merchant','Rank','Adjusted Rank']]

df.drop_duplicates('Merchant', inplace=True)

感谢您的帮助!

Answer 1

您可以使用:

products = ['apple', 'banana', 'orange']

out = (df
 .groupby('Merchant', as_index=False)
 .agg(**{'Adjusted Rank': ('Product', lambda s: s.isin(products).cummin().sum()+1)})
)

输出:

     Merchant  Adjusted Rank
0  Merchant 1              3
1  Merchant 2              4
2  Merchant 3              1

如果调整后的排名 <= 2，则排名为 1:

out['Rank'] = out['Adjusted Rank'].where(out['Adjusted Rank'].gt(2), 1)