pandas技巧兩則——列內元素統計和列內元素排序

更新：後來突然發現有個cumcount()函數，支持正排倒排，因此如下說的那些基本都沒啥用了。

 

最近作比賽線上無甚進展，因此先小小地總結遇到的一些困難和解決的方法，以防以後忘記。畢竟老是忙着大步趕路的話，容易扯着蛋。在此感謝羣內大佬們的指導，給了我思路和解決方案。

數據處理的話通常pandas是用到最多的啦，此次我遇到了這樣的問題，好比我有個DataFrame以下：

首先我想統計一下A、B、C分別出現了幾回，而且做爲一列寫在旁邊，但我又不想groupby再count再merge什麼的，有沒有什麼簡單的方法？

有的，np.unique，咱們先來看看這個函數是什麼效果：

誒喲，不就是個查看惟一性的函數嗎……，但這個函數有個參數return_counts：

是否是有點Counter的意思了？

咱們把這兩列zip一下，再轉成字典不就是解決方法了嗎？

def a_count(df):
    count_dic=dict(zip(*np.unique(df['什麼玩意兒'],return_counts=True)))
    return df['什麼玩意兒'].apply(lambda x:count_dic[x])

能夠看到每一個A邊上都寫了A出現了3次，B、C亦如是，第一個目標完成了~

進一步說，若是你想知道列內某個元素是否惟一的話（B惟一，A、C不惟一），只要再加上

df[df['計數']>1]=0

就行了。

 

接下來，我想實現的是A第一次出現時邊上顯示1，第二次顯示2，以此類推。這裏我就直接寫函數了：

def a_rank(x):
    b=x.reset_index() #把索引變成一、二、三、四、5……這樣
    b['index']=b.index #加出一列記錄索引
    b=b.groupby(['什麼玩意兒'])['index'].rank() #按照「什麼玩意兒」分組以後獲得記錄索引列的排序
    b.index=x.index  #多加了一步，變回原來的索引
    return b.astype(np.uint8) #原返回值爲float64

結果如圖：

這種能夠用於分別記錄若干個用戶第幾回訪問的事件，若是我要記錄倒數第幾回訪問的話也很簡單，把函數第3句改動一下就行了：

b=b.groupby(['什麼玩意兒'])['index'].rank(ascending=False) #默認ascending=True，即升序，改成False即爲降序

另外說一下爲何要多加一句

b.index=x.index

這是因爲實際應用中個人df是從一個更大的DataFrame中抽樣出來的，其索引並不連續，在沒加這句以前，我發現排序的結果中出現了不少nan，仔細研究一下以後發現必須對齊索引，因此加入了這一句做爲保障。

 

以上~