Pandas---实现SQL中分组排序

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/wendaomudong_l2d4/article/details/84818133

hive中经常会用到row_number这个函数，比如取用户第n次购买，前n次购买记录等等。那么python中如何实现呢？直接看个例子即可

下面是a、b两个用户购买的记录，user为用户名，amount为消费金额，要去按照user分组，组内按照amount降序排序，并且新增一列标识序号

import pandas as pd
df = pd.DataFrame({'user':['a','a','a','b','b'],'amount':[21,11,31,32,42]})
df

	user	amount
0	a	21
1	a	11
2	a	31
3	b	32
4	b	42

下面构建辅助函数:
这个函数两个功能，一个是提供分组排序的功能
另外提供部分聚合函数的功能

import pandas as pd
def test_f(df,column,istopn = False,n=1):
    """
    df:数据框
    column:为需要对之聚合的列
    istopn:返回每一组的第n行数据
    """
    count = len(df)
    distinct_count = df[column].nunique()
    sum = df[column].sum()
    avg = df[column].mean()
    if istopn == True:
        # 降序生序，自己注意
        # df.sort_values(by=column, ascending=False)[:n] # 返回前n个
        temp_data = df.sort_values(by=column, ascending=False)
        temp_data['row'] = range(len(df))
        return temp_data
    else:
        return pd.DataFrame({'count':[count],'distinct_count':[distinct_count],'sum':[sum],'avg':[avg]})

df_sort = df.groupby(['user']).apply(test_f,column = 'amount',istopn = True)
df_sort

		user	amount	row
user
a	2	a	31	0
	0	a	21	1
	1	a	11	2
b	4	b	42	0
	3	b	32	1

改变行索引

df_sort.index = range(len(df_sort))
df_sort

	user	amount	row
0	a	31	0
1	a	21	1
2	a	11	2
3	b	42	0
4	b	32	1

后面对row这一列进行筛选，即可.

                                                 2018-12-105 于南京市栖霞区紫东创业园