我有以下熊猫数据框:
product_id category number_of_purchase
23 cat1 18
65 cat2 19
66 cat1 4
98 cat1 9
998 cat1 1
798 cat2 8
从这个数据框我想创建这个新的数据框:
category url
cat1 65&23
cat2 65&8
(对于每个类别,我要检索购买次数最多的两个项目)
在MySQL中,我可以做到:
select
category,
group_concat(product_id order by numbe_of_purchase desc limit2 separator '&')
from my_table
group by category
但我不知道如何用Pandas数据框对concat进行分组,也不知道如何在组concat中使用order by和limit。
最佳答案
python/pandas中没有group concat函数,因此我们必须使用一些groupby。它比SQL稍长,但仍然相对较短(主要部分是3行)。
让我们创建数据帧:
import pandas as pd
data = {'product_id': [23, 65, 66, 98, 998, 798],
'category': ['cat1', 'cat2', 'cat1', 'cat1', 'cat1', 'cat2'],
'number_of_purchase': [18,19,4,9,1,8]}
df = pd.DataFrame(data)
print df
结果:
category number_of_purchase product_id
0 cat1 18 23
1 cat2 19 65
2 cat1 4 66
3 cat1 9 98
4 cat1 1 998
5 cat2 8 798
第一步:我们按销售额对数据框进行排序:
df = df.sort(columns='number_of_purchase', ascending=False)
df
结果:
category number_of_purchase product_id
1 cat2 19 65
0 cat1 18 23
3 cat1 9 98
5 cat2 8 798
2 cat1 4 66
4 cat1 1 998
第二步:我们使用groupby操作。对于每个类别,它将创建前两个类别的列表。数据仍然是整数。
df = df.groupby('category').apply(lambda x: list(x.product_id)[:2])
print df
结果:
category
cat1 [23, 98]
cat2 [65, 798]
dtype: object
如果需要将结果作为字符串,我们使用一个简单的lambda操作:
df.apply(lambda x: '&'.join([str(elem) for elem in x]))
结果:
category
cat1 23&98
cat2 65&798
dtype: object