Pandas：按升序对每组的行数进行排序答案

【问题标题】：Pandas: Sort the row counts per group in ascending orderPandas：按升序对每组的行数进行排序
【发布时间】：2021-05-07 08:09:36
【问题描述】：

我有一个df，如下：

In [257]: df
Out[257]: 
   user_id col1       col2
0        1    A    4.00000
1        1    A   22.00000
2        1    A  112.00000
3        1    B   -0.22222
4        1    B    9.00000
5        1    C    0.00000
6        2    A   -1.00000
7        2    A   -5.00000
8        2    K        NaN

我使用Groupby.size 计算每组的行数：

In [258]: df.groupby(['user_id', 'col1'])['col2'].size()
Out[258]: 
user_id  col1
1        A       3
         B       2
         C       1
2        A       2
         K       1
Name: col2, dtype: int64

目前，上面的输出是desc 的顺序。有没有一种以asc 顺序获取输出的熊猫方式？

预期输出：

user_id  col1
1        C       1
         B       2
         A       3
2        K       1
         A       2

【问题讨论】：

为什么不在分组前对数据框进行排序？
这行不通，因为我不想对任何现有列进行排序。我想对Groupby.size的输出进行排序。

标签： python python-3.x pandas sorting

【解决方案1】：

离我最近的是;

df.groupby(['user_id', 'col1'])['col2'].size().to_frame().sort_index(ascending=False)

【讨论】：

不幸的是，这仅适用于样本数据，通常不会，因为不按计数排序，仅按 MultiiIndex
如果替换例如你可以看到它C 与 A 和 A 与 C 在样本数据中，然后解决方案失败。

【解决方案2】：

您需要使用值为Series 的第一级排序，这里是一个列DataFrame 和DataFrame.sort_values 的解决方案，用于按第一级user_id 和col2 排序，最后一个为Series 选择@987654328 @：

s = df.groupby(['user_id', 'col1'])['col2'].size()

s = s.to_frame().sort_values(['user_id', 'col2'])['col2']
print (s)
user_id  col1
1        C       1
         B       2
         A       3
2        K       1
         A       2
Name: col2, dtype: int64

groupby 的另一个想法，如果更大的 DataFrame 应该更慢：

s = df.groupby(['user_id', 'col1'])['col2'].size()

s = s.groupby(level=0, group_keys=False).apply(lambda x: x.sort_values())
print (s)
user_id  col1
1        C       1
         B       2
         A       3
2        K       1
         A       2
Name: col2, dtype: int64

【讨论】：

这里的s 是什么？
s = df.groupby(['user_id', 'col1'])['col2'].size()