python - 将 value_counts() 的索引添加到 groupby 中每个组的新列

Question

这个问题已经有一些变体，但我找不到我正在寻找的确切内容。

我有一个包含他们购买的产品的客户数据框:

   customer product
0      John    Milk
1      John    Milk
2      John  Shoes 
3      John  Shoes 
4      John  Shoes 
5      John   Bread
6      Mary    Milk
7      Mary    Milk
8      Mary    Milk
9      Mary    Milk
10     Mary    Milk
11     Mary    Milk
12     Mary  Shoes 
13     Mary  Shoes 
14      Joe   Bread
15      Joe   Bread
16      Joe   Bread
17      Joe   Bread
18      Joe    Milk
19      Joe    Milk
20      Joe    Milk
21      Joe   Fruit
22      Joe   Fruit
23      Joe  Shoes 
24      Joe  Shoes 
25      Joe  Shoes 
26      Joe    Beer
27      Joe    Beer
28      Joe    Beer
29      Joe    Beer

注意:在完整的数据框中，客户有数百种产品，因此它不能只是列中的简单连接/产品集。

我想为每个客户获取排名前 5 位的产品 ( value_counts() )，并将产品名称放在单独的列中。不是产品的数量，只是产品名称(值(value) couts 的索引)，以及值(value)计数的正确顺序。

我的目标是拥有这样的数据框:

  customer                        Top 5
0     John             Shoes Milk Bread
1     Mary                   Milk Shoes
2      Joe  Bread Beer Milk Shoes Fruit

我认为这条线走在正确的轨道上，我可以看到每个客户的前 5 个产品:

newdf.groupby('customer')['product'].value_counts()

customer  product
Joe       Beer       4
          Bread      4
          Milk       3
          Shoes      3
          Fruit      2
John      Shoes      3
          Milk       2
          Bread      1
Mary      Milk       6
          Shoes      2

我只是无法以我喜欢的格式从此数据框中提取信息。我试过重置索引和切片等，但我似乎无法正确处理。

Answer 1

使用Series.value_counts在 lambda 函数中将索引的前 5 个值与 GroupBy.agg 连接起来:

f = lambda x: ' '.join(x.value_counts().index[:5])
df = (newdf.groupby('customer')['product'].agg(f)
           .reset_index(name='Top 5'))
print (df)  
 customer                         Top 5
0      Joe  Bread Beer Shoes Milk Fruit
1     John             Shoes Milk Bread
2     Mary                   Milk Shoes

如果客户的订单很重要:

f = lambda x: ' '.join(x.value_counts().index[:5])
df = (newdf.groupby('customer', sort=False)['product'].agg(f)
           .reset_index(name='Top 5'))
print (df)  
  customer                        Top 5
0     John             Shoes Milk Bread
1     Mary                   Milk Shoes
2      Joe  Bread Beer Shoes Milk Fruit