python - 在 Pandas 数据框中对子组中的行进行排名的更快方法

Question

我有一个由不同子组组成的 pandas 数据框。

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]
})

我想找到其组中每个 id 的排名，例如，越低的值越好。在上面的示例中，在 A 组中，Id 1 的等级为 1，Id 2 的等级为 4。在 B 组中，Id 5 的等级为 2，Id 8 的等级为 1，依此类推开。

现在我通过以下方式评估排名:

1. 按值排序。

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

1. 创建一个排序函数(它假定变量已经排序)

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

1. 分别对每个组应用排名函数:

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

这个过程有效，但是当我在数百万行数据上运行它时它真的很慢。有没有人对如何制作更快的排名功能有任何想法。

Answer 1

rank 是 cythonized，所以应该非常快。您可以传递与 df.rank() 相同的选项 here是 rank 的文档。如您所见，可以通过 method 参数以五种不同的方式之一完成平局。

您也可能只需要组的 .cumcount()。

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