Pandas groupby.ngroup() 按索引顺序排列？

Question

Pandas groupby“ngroup”函数按“组”顺序标记每个组。

我正在寻找类似的行为，但需要分配的标签以原始（索引）顺序排列，我怎样才能在 pandas 和 numpy 中有效地做到这一点（这经常发生在大型数组中）？

> df = pd.DataFrame(
          {"A": [9,8,7,8,9]},
          index=list("abcde"))
   A
a  9
b  8
c  7
d  8
e  9

> df.groupby("A").ngroup()
a    2
b    1
c    0
d    1
e    2

# LOOKING FOR ###################
a    0
b    1
c    2
d    1
e    0

如何使用一维 numpy 数组实现所需的输出？

arr = np.array([9,8,7,8 ,9])
# looking for [0,1,2,1,0]

Answer 1

也许更好的方法是factorize:

df['A'].factorize()[0]

输出：

array([0, 1, 2, 1, 0])

Answer 2

您可以将sort=Flase 传递给 groupby()：

df.groupby('A', sort=False).ngroup()

a    0
b    1
c    2
d    1
e    0
dtype: int64

据我所知，numpy 中没有直接等效于 groupby 的内容。对于纯numpy 版本，您可以使用numpy.unique() 来获取唯一值。 numpy.unique() 可以选择返回逆，基本上是重新创建输入数组的索引数组，但它首先对唯一值进行排序，因此结果与使用常规（排序）pandas.groupby() 命令相同。

要解决这个问题，您可以捕获每个唯一值第一次出现的索引值。对索引值进行排序并将它们用作原始数组的索引，以按原始顺序获取唯一值。创建一个字典以在唯一值和组号之间进行映射，然后使用该字典将数组中的值转换为适当的组号。

import numpy as np

arr = np.array([9, 8, 7, 8, 9])

_, i = np.unique(arr, return_index=True)  # get the indexes of the first occurence of each unique value
groups = arr[np.sort(i)]  # sort the indexes and retrieve the values from the array so that they are in the array order
m = {value:ngroup for ngroup, value in enumerate(groups)}  # create a mapping of value:groupnumber
np.vectorize(m.get)(arr)  # use vectorize to create a new array using m

array([0, 1, 2, 1, 0])

Answer 3

你可以使用np.unique -

In [105]: a = np.array([9,8,7,8 ,9])

In [106]: u,idx, tags = np.unique(a, return_index=True, return_inverse=True)

In [107]: idx.argsort().argsort()[tags]
Out[107]: array([0, 1, 2, 1, 0])