python - 获取最佳性能列的不同成员之间的比率

Question

我有 df:

    ClientHostID    LoginDaysSum
0   70  4
1   70  2
2   71  11
3   71  2
4   79  37
5   79  1
6   79  1
7   80  18
8   80  6
9   87  29
10  87  1
11  88  88
12  88  2
13  88  1
14  88  1
15  88  1
16  88  1

已排序:

local_input_list.sort_values(['ClientHostID', 'LoginDaysSum'], ascending=[True, False], inplace=True)

我想要的是让每个 ClientHostID 获得他最大的 LoginDaysSum 与他的第二大 LoginDaysSum 之间的比率(结果将是):

    ClientHostID    ratio
0   70  2
1   71  5.5
2   79  37
3   80  3
4   87  29
5   88  22

我设法得到它:

 df = df.groupby(['ClientHostID'], sort=False)['LoginDaysSum'].apply(lambda x: x.iloc[0] / x.iloc[1]).reset_index(name='ratio')

但问题是使用 apply 对性能影响太大...

我想过做这样的事情:

largest = df.groupby(['ClientHostID']).first()
drop_largest = df.drop(largest)
second_largest = drop_largest.groupby(['ClientHostID']).first()
df['ratio'] = largest['LoginDaysSum'] / second_largest['LoginDaysSum']

当我尝试这个时，我到处都是错误，所以这完全是伪造的，只是为了获得我正在努力完成的事情的一般氛围。

如果有任何意见，我将不胜感激，谢谢，

Answer 1

您可以将初始 df 剪切到感兴趣的前 2 行，因为它已排序，然后执行以下操作:

In [136]:
stripped = df.groupby('ClientHostID').head(2)
stripped

Out[136]:
    ClientHostID  LoginDaysSum
0             70             4
1             70             2
2             71            11
3             71             2
4             79            37
5             79             1
7             80            18
8             80             6
9             87            29
10            87             1
11            88            88
12            88             2

然后 groupby 在减少的 df 上，只是 div first 和 last:

In [138]:   stripped.groupby('ClientHostID').first().div(stripped.groupby('ClientHostID').last())
Out[138]:
              LoginDaysSum
ClientHostID              
70                     2.0
71                     5.5
79                    37.0
80                     3.0
87                    29.0
88                    44.0

然后您可以调用 reset_index 并将调用链接到 rename 以获得所需的输出:

In [140]:
stripped.groupby('ClientHostID').first().div(stripped.groupby('ClientHostID').last()).reset_index().rename(columns={'LoginDaysSum':'ratio'})

Out[140]:
   ClientHostID  ratio
0            70    2.0
1            71    5.5
2            79   37.0
3            80    3.0
4            87   29.0
5            88   44.0