Pandas Dataframe - 分组、排序和展平（无需聚合）-pandas-IT问答社区-解决你的IT疑问

Pandas Dataframe - 分组、排序和展平（无需聚合）

Curious_learner 1月前

我有一个运动员数据框，其中包括运动员 ID、团队 ID、姓名和在某项比赛中的得分。每支队伍最多可以有 20 名运动员：当前：运动员 ID 团队 ID 姓名 Sc...

我有一个运动员数据框，其中包括运动员 ID、团队 ID、姓名和某项比赛中的得分。每支队伍最多可有 20 名运动员：

当前的：

AthleteID    TeamID     Name     Score
   1            2        Bob      4.9
   2            1        Pete     4.6
   3            2        Steve    4.5
   4            1        Jim      3.6
   5            3        Frank    4.2

我希望每个队一行，按得分对运动员进行排序，并将他们的信息作为带有排名的列，如下所示：

期望：

     TeamID     AthleteID_1    Name_1   Score_1     AthleteID_2    Name_2   Score_2
       1              2         Pete      4.6          4            Jim      3.6
       2              1         Bob       4.9          3            Steve    4.5  
       3              5         Frank     4.2        None           None     None

按 TeamID 分组后，如何按分数排序并创建这些新列？我目前正在迭代执行此操作，我知道这不是最有效或最 Python 的方式。

帖子版权声明 1、本帖标题：Pandas Dataframe - 分组、排序和展平（无需聚合）
本站网址：http://xjnalaquan.com/
2、本网站的资源部分来源于网络，如有侵权，请联系站长进行删除处理。
3、会员发帖仅代表会员个人观点，并不代表本站赞同其观点和对其真实性负责。
4、本站一律禁止以任何方式发布或转载任何违法的相关信息，访客发现请向站长举报
5、站长邮箱：yeweds@126.com 除非注明，本帖由Curious_learner在本站《pandas》版块原创发布，转载请注明出处！

最新回复 (0)

最新倒序只看楼主

mrek 1月前 0 只看Ta

引用 2楼
您可以 groupby.rank 然后 pivot :
```
out = (df.assign(rank=df.groupby('TeamID')['Score']
                        .rank('dense', ascending=False).astype(int))
         .pivot(index='TeamID', columns='rank')
         .sort_index(level=1, axis=1, sort_remaining=False)
       )
out.columns = out.columns.map(lambda x: f'{x[0]}_{x[1]}')
out.reset_index(inplace=True)
```
输出：
```
   TeamID  AthleteID_1 Name_1  Score_1  AthleteID_2 Name_2  Score_2
0       1          2.0   Pete      4.6          4.0    Jim      3.6
1       2          1.0    Bob      4.9          3.0  Steve      4.5
2       3          5.0  Frank      4.2          NaN    NaN      NaN
```
user16201107 1月前 0 只看Ta

引用 3楼
```
out = (
    df.assign(
        rank=df.groupby('TeamID')['Score']
        .rank(ascending=False, method='first')
        .astype('int')
        .astype('str')
    )
    .pivot(index='TeamID', columns='rank')
    .pipe(lambda x: x.set_axis(x.columns.map('_'.join), axis=1))
    .sort_index(axis=1, key=lambda x: x.str.split('_').str[1].astype('int'))
    .reset_index()
)
```
出去：
```
   TeamID  AthleteID_1 Name_1  Score_1  AthleteID_2 Name_2  Score_2
0       1          2.0   Pete      4.6          4.0    Jim      3.6
1       2          1.0    Bob      4.9          3.0  Steve      4.5
2       3          5.0  Frank      4.2          NaN    NaN      NaN
```
示例代码
```
import pandas as pd
data = {'AthleteID': {0: 1, 1: 2, 2: 3, 3: 4, 4: 5}, 
        'TeamID': {0: 2, 1: 1, 2: 2, 3: 1, 4: 3}, 
        'Name': {0: 'Bob', 1: 'Pete', 2: 'Steve', 3: 'Jim', 4: 'Frank'}, 
        'Score': {0: 4.9, 1: 4.6, 2: 4.5, 3: 3.6, 4: 4.2}}
df = pd.DataFrame(data)
```
Zerotwelve 1月前 0 只看Ta

引用 4楼
```
import pandas as pd

data = {'AthleteID': [1, 2, 3, 4, 5],
        'TeamID': [2, 1, 2, 1, 3],
        'Name': ['Bob', 'Pete', 'Steve', 'Jim', 'Frank'],
        'Score': [4.9, 4.6, 4.5, 3.6, 4.2]}

df = pd.DataFrame(data)
print(df)
"""
   AthleteID  TeamID   Name  Score
0          1       2    Bob    4.9
1          2       1   Pete    4.6
2          3       2  Steve    4.5
3          4       1    Jim    3.6
4          5       3  Frank    4.2
"""
res = (
df.sort_values(['TeamID','Score'],ascending=[True,False])
.assign(Rank = lambda d : d.groupby('TeamID').cumcount() +1 )    
.set_index(['TeamID','Rank']).unstack()
.sort_index(axis=1,level =1) # to maintain order
.reset_index()
)
print(res)
"""
     TeamID AthleteID   Name Score AthleteID   Name Score
Rank                1      1     1         2      2     2
0         1       2.0   Pete   4.6       4.0    Jim   3.6
1         2       1.0    Bob   4.9       3.0  Steve   4.5
2         3       5.0  Frank   4.2       NaN    NaN   NaN
"""
#res.columns = [f'{col[0]}_{col[1]}' if col[0] != 'TeamID' else col[0] for col in res.columns]
res.columns = res.columns.map(lambda col: f'{col[0]}_{col[1]}' if col[0] != 'TeamID' else col[0] )
print(res)

"""
   TeamID  AthleteID_1 Name_1  Score_1  AthleteID_2 Name_2  Score_2
0       1          2.0   Pete      4.6          4.0    Jim      3.6
1       2          1.0    Bob      4.9          3.0  Steve      4.5
2       3          5.0  Frank      4.2          NaN    NaN      NaN
"""
```