python - 如何添加交错行作为排序/组的结果？

Question

我有以下示例输入数据:

import pandas as pd
df = pd.DataFrame({'col1': ['x', 'y', 'z'], 'col2': [1, 2, 3], 'col3': ['a', 'a', 'b']})

我想按 col3 进行排序和分组，同时将摘要交错在 col1 中相应组的顶部，并获得以下输出:

    col1  col2
0     a      3
1     x      1
2     y      2
3     b      3
4     z      3  

我当然可以做这个部分:

df.sort_values(by=['col3']).groupby(by=['col3']).sum()

      col2
col3      
  a      3
  b      3

但我不确定如何在 col1 之上交错组标签。

Answer 1

对每个组的 top1 行使用自定义函数:

def f(x):
    return pd.DataFrame({'col1': x.name, 'col2': x['col2'].sum()}, index=[0]).append(x)
    
df = (df.sort_values(by=['col3'])
        .groupby(by=['col3'], group_keys=False)
        .apply(f)
        .drop('col3', 1)
        .reset_index(drop=True))
print (df)
  col1  col2
0    a     3
1    x     1
2    y     2
3    b     3
4    z     3

性能更高的解决方案是使用 GroupBy.ngroup对于索引，按 concat 聚合 sum amd 最后连接值仅通过 mergesort 进行稳定排序:

df = df.sort_values(by=['col3'])

df1 = df.groupby(by=['col3'])['col2'].sum().rename_axis('col1').reset_index()
df2 = df.set_index(df.groupby(by=['col3']).ngroup())

df = pd.concat([df1, df2]).sort_index(kind='mergesort', ignore_index=True).drop('col3', 1)
print (df)
  col1  col2
0    a     3
1    x     1
2    y     2
3    b     3
4    z     3