[PYTHON] Je veux donner un group_id à une trame de données pandas

introduction

Si vous souhaitez supprimer les doublons avec des pandas, ou si vous souhaitez agréger, vous pouvez utiliser drop_duplicates et groupby.

Comment supprimer les éléments en double dans Pandas DataFrame ou Series Python Comment utiliser Pandas groupby

Cependant, il y a des moments où je veux donner un group_id à chaque groupe dans les mêmes conditions que lorsque groupby, mais je ne savais pas comment le faire, alors je l'ai implémenté. (Ce n'est peut-être pas la meilleure pratique, mais c'était facile à mettre en œuvre)

Accorder group_id

#importation de pandas
import pandas as pd

#Préparation de la trame de données
df = pd.DataFrame({
    'building_name': ['Construire un', 'Construire un', 'Bâtiment B', 'Bâtiment C', 'Bâtiment B', 'Bâtiment B', 'Bâtiment D'],
    'property_scale': ['large', 'large', 'small', 'small', 'small', 'small', 'large'],
    'city_code': [1, 1, 1, 2, 1, 1, 1]
})
df

#Objectisation de groupe
group_info = df.groupby(['property_scale', 'city_code'])

#Jetons un coup d'œil au contenu
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')}

#Voir également
group_info.get_group(('large', 1))

# group_Accorder l'ID
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

Je vais aussi en faire une fonction

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

def add_group_id(df: DataFrame, by: list) -> DataFrame:
    """Regrouper les enregistrements avec des doublons par valeurs_Donnez votre identifiant.

    Args:
        df (DataFrame):Trame de données arbitraire
        by (list):Nom de colonne à regrouper

    Returns:
        DataFrame

    """
    #Déjà groupe_Si la colonne id est incluse, groupez par_Ajouter également un identifiant
    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

Postscript

Merci à @r_beginners pour ses commentaires, il semble que groupby ait une fonction de calcul group_id en premier lieu.

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

def add_group_id(df: DataFrame, by: list) -> DataFrame:
    """Regrouper les enregistrements avec des doublons par valeurs_Donnez votre identifiant.

    Args:
        df (DataFrame):Trame de données arbitraire
        by (list):Nom de colonne à regrouper

    Returns:
        DataFrame

    """
    #Déjà groupe_Si la colonne id est incluse, groupez par_Ajouter également un identifiant
    if 'group_id' in df.columns:
        by += ['group_id']
    new_df = df.assign(group_id =df.groupby(by).ngroup())
    return new_df

Comme @ nkay l'a commenté, pd.factorize () semble également fonctionner.

méthode pandas Étudions plus. ..