python - 按 0 级索引的最后一个值对 Pandas MultiIndex 进行排序

Question

我有一个叫 df_world 的 df具有以下形状:

                               Cases   Death  Delta_Cases  Delta_Death
Country/Region Date                                                       
Brazil         2020-01-22        0.0       0          NaN          NaN
               2020-01-23        0.0       0          0.0          0.0
               2020-01-24        0.0       0          0.0          0.0
               2020-01-25        0.0       0          0.0          0.0
               2020-01-26        0.0       0          0.0          0.0
                             ...     ...          ...          ...
World          2020-05-12  4261747.0  291942      84245.0       5612.0
               2020-05-13  4347018.0  297197      85271.0       5255.0
               2020-05-14  4442163.0  302418      95145.0       5221.0
               2020-05-15  4542347.0  307666     100184.0       5248.0
               2020-05-16  4634068.0  311781      91721.0       4115.0

我想根据上次记录中“案例”列的值对国家索引进行排序，即比较所有国家在 2020 年 5 月 16 日的案例值并返回已排序的国家列表

我想创建另一个只有 2020-05-16 值的 df，然后使用 df.sort_values()方法，但我确信必须有更有效的方法。

在此期间，我还尝试仅选择在 2020 年 5 月 16 日的病例数超过特定值的国家/地区，我发现这样做的唯一方法是迭代国家/地区指数:

for a_country in df_world.index.levels[0]:
        if df_world.loc[(a_country, last_date), 'Cases'] < cut_off_val:
            df_world = df_world.drop(index=a_country)

但这是一种非常糟糕的方法。

如果有人对如何提高此代码的效率有任何想法，我会非常高兴。

谢谢 :)

Answer 1

您可以先按“国家/地区”对数据集进行分组，然后按“日期”对每个组进行排序，取最后一个，然后按“案例”再次排序。

自己伪造一些数据(数据类型不同，但你明白我的意思):

df = pd.DataFrame([['a', 1, 100],
                   ['a', 2, 10],
                   ['b', 2, 55],
                   ['b', 3, 15],
                   ['c', 1, 22],
                   ['c', 3, 80]])
df.columns = ['country', 'date', 'cases']
df = df.set_index(['country', 'date'])
print(df)
#               cases
# country date       
# a       1       100
#         2        10
# b       2        55
#         3        15
# c       1        22
#         3        80

然后，

# group them by country
grp_by_country = df.groupby(by='country')
# for each group, aggregate by sorting by data and taking the last row (latest date)
latest_per_grp = grp_by_country.agg(lambda x: x.sort_values(by='date').iloc[-1])
# sort again by cases
sorted_by_cases = latest_per_grp.sort_values(by='cases')

print(sorted_by_cases)
#          cases
# country       
# a           10
# b           15
# c           80

注意安全!