python - 从字典更新列中组的值

Question

我知道如何使用字典中的相关键和值更新数据框的列，但是更新列中多个组的值的最佳方法是什么> 来自字典？

因此，实现此目的的一种方法是执行 groupby，然后从字典中相应的键读取组值。然而，对于我的数据集(有 14M 行和 125000 个“match_id”)来说，这花费的时间太长了。

df = pd.DataFrame({'match_id': ['m1', 'm1', 'm1', 'm1', 'm1', 'm1', 'm2', 'm2', 'm2', 'm2', 'm2', 'm2', 'm3', 'm3', 'm3', 'm3'],
                   'name':['peter', 'mike', 'jeff', 'john', 'alex', 'joe', 'jeff', 'peter', 'alex', 'li', 'joe', 'tom', 'mike', 'john', 'tom', 'peter'],
                   'rank': [4, 3, 1, 2, 5, 6, 2, 4, 3, 1, 5, 6, 1, 3, 2, 4],
                   'rating': [1200, 1300, 1600, 1550, 1150, 1540, 1340, 1300, 1390, 1290, 1450, 1650, 1420, 1490, 1320, 1410]})

dict1 = {'m1': [5, 4, 1, 2, 6, 3], 'm2': [4, 5, 3, 6, 2, 1], 'm3': [2, 1, 4, 3]}

df_new = pd.DataFrame()
grouped = df.groupby('match_id', sort=False)
for id, dfg in grouped:
        dfm = dfg.copy()
        dfm['new_rank']= dict1[id]
        df_new = pd.concat([df_new, dfm], sort=True)

这会创建一个新列“new_rank”，其中的值是从每个 match_id 的 dict1 中提取的。

我还尝试了 map 函数，但由于它不适用于组，因此它只是粘贴每行上每个 match_id 的整个值列表。

有什么有效的方法可以做到这一点吗？

顺便说一句，这是我想出的字典的方式，它根据“评级”列中的数字顺序计算新排名(如果您还可以想出更好的方法来处理整个事情) ，请告诉我):

dict1 = {}
grouped = df.groupby('match_id', sort=False)
for id, dfg in grouped:
    dfm = dfg.copy()
    dict1[id] = [len(dfm['rating'])-(sorted(dfm['rating'], reverse = False).index(x)) for x in dfm['rating']]

Answer 1

我之所以问字典的逻辑，是因为我们可以在那里解决问题。你只是想要Groupby.rank :

df['new_rank'] = df.groupby('match_id')['rating'].rank(ascending=False).astype(int)

输出

   match_id   name  rank  rating  new_rank
0        m1  peter     4    1200         5
1        m1   mike     3    1300         4
2        m1   jeff     1    1600         1
3        m1   john     2    1550         2
4        m1   alex     5    1150         6
5        m1    joe     6    1540         3
6        m2   jeff     2    1340         4
7        m2  peter     4    1300         5
8        m2   alex     3    1390         3
9        m2     li     1    1290         6
10       m2    joe     5    1450         2
11       m2    tom     6    1650         1
12       m3   mike     1    1420         2
13       m3   john     3    1490         1
14       m3    tom     2    1320         4
15       m3  peter     4    1410         3