[PYTHON] Ich möchte einem Pandas-Datenrahmen eine group_id geben

Einführung

Wenn Sie Duplikate mit Pandas löschen oder aggregieren möchten, können Sie drop_duplicates oder groupby verwenden.

So entfernen Sie doppelte Elemente in Pandas DataFrame oder Series Python Verwendung von Pandas groupby

Es gibt jedoch Zeiten, in denen ich jeder Gruppe eine group_id unter den gleichen Bedingungen wie bei groupby geben möchte, aber ich wusste nicht, wie es geht, also habe ich es implementiert. (Es ist möglicherweise nicht die beste Vorgehensweise, aber es war einfach zu implementieren.)

Group_id gewähren

#Pandas importieren
import pandas as pd

#Datenrahmen vorbereiten
df = pd.DataFrame({
    'building_name': ['Gebäude A.', 'Gebäude A.', 'B Gebäude', 'C Gebäude', 'B Gebäude', 'B Gebäude', 'D Gebäude'],
    'property_scale': ['large', 'large', 'small', 'small', 'small', 'small', 'large'],
    'city_code': [1, 1, 1, 2, 1, 1, 1]
})
df

#Gruppenobjektivierung
group_info = df.groupby(['property_scale', 'city_code'])

#Werfen wir einen Blick auf den Inhalt
group_info.groups

{('large', 1): Int64Index([0, 1, 6], dtype='int64'), ('small', 1): Int64Index([2, 4, 5], dtype='int64'), ('small', 2): Int64Index([3], dtype='int64')}

#Siehe auch
group_info.get_group(('large', 1))

# group_ID gewähren
df = pd.concat([
    group_info.get_group(group_name).assign(group_id=group_id)
    for group_id, group_name
    in enumerate(group_info.groups.keys())])
df

Ich werde es auch zu einer Funktion machen

import pandas as pd
from pandas.core.frame import DataFrame

def add_group_id(df: DataFrame, by: list) -> DataFrame:
    """Gruppieren Sie für Datensätze mit doppelten Werten_Gib einen Ausweis.

    Args:
        df (DataFrame):Beliebiger Datenrahmen
        by (list):Spaltenname für die Gruppe

    Returns:
        DataFrame

    """
    #Bereits Gruppe_Wenn die ID-Spalte enthalten ist, gruppieren Sie nach_ID hinzufügen
    if 'group_id' in df.columns:
        by += ['group_id']
    group_info = df.groupby(by=by)
    new_df = pd.concat([
        group_info.get_group(group_name).assign(group_id=group_id)
        for group_id, group_name
        in enumerate(group_info.groups.keys())])
    return new_df

Nachtrag

Dank @r_beginners für das Kommentieren scheint groupby in erster Linie eine group_id-Berechnungsfunktion zu haben.

import pandas as pd
from pandas.core.frame import DataFrame

def add_group_id(df: DataFrame, by: list) -> DataFrame:
    """Gruppieren Sie für Datensätze mit doppelten Werten_Gib einen Ausweis.

    Args:
        df (DataFrame):Beliebiger Datenrahmen
        by (list):Spaltenname für die Gruppe

    Returns:
        DataFrame

    """
    #Bereits Gruppe_Wenn die ID-Spalte enthalten ist, gruppieren Sie nach_ID hinzufügen
    if 'group_id' in df.columns:
        by += ['group_id']
    new_df = df.assign(group_id =df.groupby(by).ngroup())
    return new_df

Wie @ nkay kommentierte, scheint pd.factorize () ebenfalls zu funktionieren.

Pandas-Methode Lassen Sie uns mehr lernen. ..