熊猫分组并分配一个组ID然后取消分组答案

【问题标题】：pandas group by and assign a group id then ungroup熊猫分组并分配一个组ID然后取消分组
【发布时间】：2017-12-08 07:25:32
【问题描述】：

我有一个大型数据集，格式如下：

id, socialmedia
1, facebook
2, facebook
3, google
4, google
5, google
6, twitter
7, google
8, twitter
9, snapchat
10, twitter
11, facebook

我想在那时分组并分配一个 group_id 列，然后取消分组（展开）回单个记录。

id, socialmedia, groupId
1, facebook, 1
2, facebook, 1
3, google, 2
4, google, 2
5, google, 2
6, twitter, 3
7, google, 2
8, twitter, 3
9, snapchat, 4
10, twitter, 3
11, facebook, 1

我尝试了以下操作，但最终得到 'DataFrameGroupBy' 对象不支持项目分配。

x['grpId'] = x.groupby('socialmedia')['socialmedia'].rank(method='dense').astype(int)

【问题讨论】：

标签： python pandas pandas-groupby

【解决方案1】：

通过使用ngroup

df['grpId']=df.groupby(' socialmedia').ngroup().add(1)
df
Out[354]: 
    id  socialmedia  grpId
0    1     facebook      1
1    2     facebook      1
2    3       google      2
3    4       google      2
4    5       google      2
5    6      twitter      4
6    7       google      2
7    8      twitter      4
8    9     snapchat      3
9   10      twitter      4
10  11     facebook      1

或者pd.factorize和'categroy'

df['grpId']=pd.factorize(df[' socialmedia'])[0]+1

df
Out[358]: 
    id  socialmedia  grpId
0    1     facebook      1
1    2     facebook      1
2    3       google      2
3    4       google      2
4    5       google      2
5    6      twitter      3
6    7       google      2
7    8      twitter      3
8    9     snapchat      4
9   10      twitter      3
10  11     facebook      1

df['grpId']=df[' socialmedia'].astype('category').cat.codes.add(1)
df
Out[356]: 
    id  socialmedia  grpId
0    1     facebook      1
1    2     facebook      1
2    3       google      2
3    4       google      2
4    5       google      2
5    6      twitter      4
6    7       google      2
7    8      twitter      4
8    9     snapchat      3
9   10      twitter      4
10  11     facebook      1

【讨论】：

将解决方案保留在 pandas 中是可行的方法。为了完整起见，您可能会展示如何将因素分配到源数据框中的新列中

【解决方案2】：

你可以使用sklearn.preprocessing.LabelEncoder方法：

In [79]: from sklearn.preprocessing import LabelEncoder

In [80]: le = LabelEncoder()

In [81]: df['groupId'] = le.fit_transform(df['socialmedia'])+1

In [82]: df
Out[82]:
    id socialmedia  groupId
0    1    facebook        1
1    2    facebook        1
2    3      google        2
3    4      google        2
4    5      google        2
5    6     twitter        4
6    7      google        2
7    8     twitter        4
8    9    snapchat        3
9   10     twitter        4
10  11    facebook        1

【讨论】：

【解决方案3】：

我们还可以创建字典并对其进行映射：

import pandas as pd

df = pd.DataFrame(dict(id=range(1,5),social=["Facebook","Twitter","Facebook","Google"]))

d = dict((k,v) for v,k in enumerate(df['social'].unique(),1))
df['groupid'] = df['social'].map(m)

print(df)

   id    social  groupid
0   1  Facebook        1
1   2   Twitter        2
2   3  Facebook        1
3   4    Google        3

或者像这样的一行：

df['groupid'] = df['social'].map({k:v for v,k in enumerate(df['social'].unique(),1)})

时间安排：

%timeit df['grpId']=df.groupby('social').ngroup().add(1)
%timeit df['grpId']=pd.factorize(df['social'])[0]+1
%timeit df['grpId']=df['social'].astype('category').cat.codes.add(1)
%timeit df['groupid'] = df['social'].map(dict((k,v) for v,k in enumerate(df['social'].unique(),1)))

100 loops, best of 3: 1.5 ms per loop   <- Wen1
1000 loops, best of 3: 493 µs per loop  <- Wen2
1000 loops, best of 3: 990 µs per loop  <- Wen3
1000 loops, best of 3: 802 µs per loop  <- Antonvbr

【讨论】：