根据元素的排名对数据框进行排序并创建新列

Question

我有以下数据帧:

import pandas as pd
df = pd.DataFrame(
                  {
                   'id': [1, 1, 1, 1, 2, 2,2, 2, 3, 3, 3, 3],
                   'name': ['A', 'B', 'C', 'D','A', 'B','C', 'D', 'A', 'B','C', 'D'], 
                   'Value': [1, 2, 3, 4, 5, 6, 0, 2, 4, 6, 3, 5]
                  },
                  columns=['name','id','Value'])`

我可以使用id和value对数据进行排序,如下所示:

df.sort_values(['id','Value'],ascending = [True,False])  

我打印的表格将显示如下:

  name   id   Value
    D      1      4
    C      1      3
    B      1      2
    A      1      1
    B      2      6
    A      2      5
    D      2      2
    C      2      0
    B      3      6
    D      3      5
    A      3      4
    C      3      3

如果列名中的元素是最高值,我想创建4个新列 (Rank1,Rank2,Rank3,Rank4),列Rank1将被指定为1,否则为0.如果列名中的元素是第二高值,则列Rank2将被指定为1,否则为0.Rank3和Rank4也是如此.

我怎么能这样做？

谢谢.

泽普

Answer 1

使用:

df = df.join(pd.get_dummies(df.groupby('id').cumcount().add(1)).add_prefix('Rank'))
print (df)
   name  id  Value  Rank1  Rank2  Rank3  Rank4
3     D   1      4      1      0      0      0
2     C   1      3      0      1      0      0
1     B   1      2      0      0      1      0
0     A   1      1      0      0      0      1
5     B   2      6      1      0      0      0
4     A   2      5      0      1      0      0
7     D   2      2      0      0      1      0
6     C   2      0      0      0      0      1
9     B   3      6      1      0      0      0
11    D   3      5      0      1      0      0
8     A   3      4      0      0      1      0
10    C   3      3      0      0      0      1

细节:

对于每组使用的计数GroupBy.cumcount,然后添加1:

print (df.groupby('id').cumcount().add(1))
3     1
2     2
1     3
0     4
5     1
4     2
7     3
6     4
9     1
11    2
8     3
10    4
dtype: int64

对于指标列使用get_dumes有add_prefix:

print (pd.get_dummies(df.groupby('id').cumcount().add(1)).add_prefix('Rank'))
    Rank1  Rank2  Rank3  Rank4
3       1      0      0      0
2       0      1      0      0
1       0      0      1      0
0       0      0      0      1
5       1      0      0      0
4       0      1      0      0
7       0      0      1      0
6       0      0      0      1
9       1      0      0      0
11      0      1      0      0
8       0      0      1      0
10      0      0      0      1