Посещая наш сайт, вы соглашаетесь с нашей политикой конфиденциальности в отношении файлов cookie, статистики отслеживания и т. д.

Главная » Вопросы и ответы

Сложные операции с pandas: сортировка, фильтрация, условная нумерация и настраиваемая сортировка

На чтение 21 мин Опубликовано
Содержание
  1. Вопрос или проблема
  2. Ответ или решение
  3. Пояснение кода:

Вопрос или проблема

У меня есть очень большой файл Excel, который содержит много данных, которые мне нужно обработать. Обычно я делаю это в Excel, но это заняло бы у меня часы, и я знаю, что Pandas справляется с этим за считанные секунды. Первая колонка “PlayerID” должна быть отсортирована в обычном порядке. Вторая колонка “Country” содержит названия стран. В Excel я бы фильтровал страну за страной, чтобы продолжить. Третья колонка содержит штаты каждой страны, количество штатов для этой страны может быть произвольным, есть штаты, в которых либо до 12 игроков, либо до 24 игроков. Четвертая колонка содержит названия цветов, которые связаны с PlayerID и также должны быть отсортированы, но не по алфавиту, а по заданному порядку цветов (если до 12 игроков на штат: красный-зеленый-синий-желтый-белый-серый-коричневый-фиолетовый-бирюзовый-черный-оранжевый-розовый или если до 24 игроков: красный-зеленый-синий-желтый-белый-серый-коричневый-фиолетовый-бирузовый-черный-оранжевый-розовый-красный2-зеленый2-синий2-желтый2-белый2-серый2-коричневый2-фиолетовый2-бирузовый2-черный2-оранжевый2-розовый2).

Теперь необходимо установить фильтр по каждому штату, и создается новый столбец, в который назначаются увеличивающиеся номера для цветов. Для первого фильтра просто начинается счет: красный = 1, зеленый = 2, синий = 3 и так далее. После того как всем игрокам будут назначены номера, колонка фильтруется по следующему штату, и нумерация продолжается снова в порядке цветов, но номера продолжаются (то есть не начинаются снова с 1). Когда все штаты страны завершены, следующая страна фильтруется с следующим штатом, и нумерация начинается с 1 для цвета красный.

Порядок штатов по странам не имеет значения, что бы ни шло первым.

Вот пример кода. Я сделал большой пример, чтобы, возможно, стало более ясно. Я закомментировал колонку нумерации, потому что именно ее я хотел бы создать с помощью скрипта, она просто для вашего сведения.

import pandas as pd

pd.set_option('display.max_rows', None)
pd.set_option('display.max_columns', None)
data = {'PlayerID' : ['12319353-999', '12319353-002', '12319353-001', '12319382-999', '12319382-001', '12319380-999', '12319380-001', '12319381-999', '12319381-001', '12319383-999', '12319383-001', '12319504-999', '12319504-002', '12319504-001', '12319503-999', '12319503-001', '12319406-999', '12319406-001', '12319405-999', '12319405-002', '12319405-001', '12319404-999', '12319404-001', '12319699-999', '12319699-002', '12319699-001', '12320050-999', '12320050-001', '12319700-999', '12319700-001', '12319701-999', '12319701-001', '12319598-999', '12319598-001', '12319354-999', '12319354-007', '12319354-006', '12319354-005', '12319354-004', '12319354-003', '12319354-002', '12319354-001', '12319423-999', '12319423-001', '12319418-999', '12319418-001', '12319411-999', '12319411-002', '12319411-001', '12319410-999', '12319410-001', '12320073-999', '12320073-001', '12319426-999', '12319426-002', '12319426-001', '12319415-999', '12319415-001', '12319424-999', '12319424-001', '12319419-999', '12319419-001', '12319425-999', '12319425-002', '12319425-001', '12319409-999', '12319409-001', '12319416-999', '12319416-001', '12319420-999', '12319420-001', '12319421-999', '12319421-001', '12319467-999', '12319467-001', '12319357-999', '12319357-001', '12319468-999', '12319468-001', '23149893-999', '23149893-001', '12319452-999', '12319452-001', '12319384-999', '12319384-001', '12319363-999', '12319363-001', '12319362-999', '12319362-003', '12319362-002', '12319362-001', '12319435-999', '12319435-001', '12319337-999', '12319337-001', '12319371-999', '12319371-001', '12319473-999', '12319473-002', '12319473-001', '12319472-999', '12319472-002', '12319472-001', '12319474-999', '12319474-001', '12319471-999', '12319471-001', '12319492-999', '12319492-001', '12319470-999', '12319470-003', '12319470-002', '12319470-001', '12319476-006', '12319476-005', '12319476-004', '12319476-003', '12319476-002', '12319476-001', '12319375-999', '12319375-004', '12319375-003', '12319375-002', '12319375-001', '12319339-999', '12319339-003', '12319339-002', '12319339-001', '12319374-999', '12319374-003', '12319374-002', '12319374-001', '12319376-999', '12319376-002', '12319376-001', '12319373-999', '12319373-002', '12319373-001', '23149884-999', '23149884-001', '12319372-999', '12319372-001', '12319493-999', '12319493-001', '12319494-999', '12319494-001', '12319506-999', '12319506-001', '12319507-999', '12319507-005', '12319507-004', '12319507-003', '12319507-002', '12319507-001', '12319394-999', '12319394-003', '12319394-002', '12319394-001', '12319505-006', '12319505-005', '12319505-004', '12319505-003', '12319505-002', '12319505-001', '12319413-999', '12319413-001', '12319508-999', '12319508-002', '12319508-001', '12319414-999', '12319414-001', '12319407-999', '12319407-002', '12319407-001', '12319427-999', '12319427-002', '12319427-001', '12319342-999', '12319342-001', '12319343-999', '12319343-001', '12319445-999', '12319445-003', '12319445-002', '12319445-001', '12319449-999', '12319449-001', '12319448-999', '12319448-001', '12319440-999', '12319440-004', '12319440-003', '12319440-002', '12319440-001', '12319446-006', '12319446-005', '12319446-004', '12319446-003', '12319446-002', '12319446-001', '12319390-999', '12319390-001', '23149885-999', '23149885-001', '12319450-999', '12319450-003', '12319450-002', '12319450-001', '12319442-999', '12319442-001', '12319444-006', '12319444-005', '12319444-004', '12319444-003', '12319444-002', '12319444-001', '12319491-999', '12319491-001', '12319351-999', '12319351-002', '12319351-001', '12319490-999', '12319490-001', '12319345-999', '12319345-005', '12319345-004', '12319345-003', '12319345-002', '12319345-001', '12320154-999', '12320154-001', '12320152-999', '12320152-001', '12319344-999', '12319344-001', '12319349-999', '12319349-004', '12319349-003', '12319349-002', '12319349-001', '12319346-999', '12319346-002', '12319346-001', '12319498-999', '12319498-003', '12319498-002', '12319498-001', '12319495-999', '12319495-001', '12319499-999', '12319499-001', '12319500-999', '12319500-003', '12319500-002', '12319500-001', '12320102-999', '12320102-002', '12320102-001', '12319496-999', '12319496-001', '12319497-999', '12319497-002', '12319497-001', '12319396-999', '12319396-009', '12319396-008', '12319396-007', '12319396-006', '12319396-005', '12319396-004', '12319396-003', '12319396-002', '12319396-014', '12319396-013', '12319396-012', '12319396-011', '12319396-010', '12319396-001', '12319347-999', '12319347-001', '12319399-999', '12319399-001', '12319348-999', '12319348-001', '12319398-999', '12319398-003', '12319398-002', '12319398-001', '12319397-999', '12319397-008', '12319397-007', '12319397-006', '12319397-005', '12319397-004', '12319397-003', '12319397-002', '12319397-001', '23149878-999', '23149878-001'],
'Country': ['Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'Германия', 'Германия', 'Великобритания', 'Великобритания', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'Германия', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Великобритания', 'Германия', 'Германия', 'США', 'США', 'Германия', 'Германия', 'Германия', 'Германия', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'США', 'Германия', 'Германия'],
'State' : ['DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State1-24', 'DE-State1-24', 'DE-State1-24', 'DE-State1-24', 'DE-State1-24', 'DE-State1-24', 'DE-State1-24', 'DE-State1-24', 'DE-State1-24', 'DE-State1-24', 'DE-State1-24', 'DE-State1-24', 'DE-State1-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'UK-State3-12', 'UK-State3-12', 'UK-State3-12', 'UK-State3-12', 'UK-State3-12', 'UK-State3-12', 'UK-State3-12', 'UK-State3-12', 'UK-State3-12', 'UK-State3-12', 'UK-State3-12', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State3-12', 'USA-State3-12', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'DE-State3-24', 'DE-State3-24', 'UK-State2-12', 'UK-State2-12', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'UK-State1-24', 'UK-State1-24', 'UK-State2-12', 'UK-State2-12', 'UK-State2-12', 'UK-State2-12', 'UK-State2-12', 'UK-State2-12', 'UK-State2-12', 'UK-State2-12', 'UK-State1-24', 'UK-State1-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State1-24', 'DE-State1-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'UK-State1-24', 'UK-State1-24', 'UK-State1-24', 'UK-State1-24', 'DE-State2-12', 'DE-State2-12', 'DE-State2-12', 'DE-State2-12', 'DE-State2-12', 'DE-State2-12', 'DE-State2-12', 'DE-State2-12', 'DE-State2-12', 'DE-State2-12', 'DE-State2-12', 'DE-State2-12', 'DE-State2-12', 'DE-State2-12', 'DE-State1-24', 'DE-State1-24', 'DE-State1-24', 'DE-State1-24', 'DE-State1-24', 'DE-State1-24', 'DE-State1-24', 'DE-State1-24', 'DE-State1-24', 'DE-State1-24', 'DE-State1-24', 'DE-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'USA-State2-24', 'UK-State1-24', 'UK-State1-24', 'UK-State1-24', 'UK-State1-24', 'UK-State2-12', 'UK-State2-12', 'UK-State2-12', 'UK-State2-12', 'UK-State2-12', 'UK-State2-12', 'UK-State2-12', 'UK-State2-12', 'UK-State2-12', 'UK-State2-12', 'UK-State2-12', 'UK-State2-12', 'UK-State2-12', 'UK-State2-12', 'UK-State2-12', 'UK-State2-12', 'UK-State2-12', 'UK-State2-12', 'UK-State3-12', 'UK-State3-12', 'UK-State3-12', 'UK-State3-12', 'UK-State3-12', 'UK-State3-12', 'UK-State3-12', 'UK-State3-12', 'UK-State1-24', 'UK-State1-24', 'UK-State3-12', 'UK-State3-12', 'UK-State3-12', 'UK-State1-24', 'UK-State1-24', 'UK-State1-24', 'UK-State1-24', 'UK-State1-24', 'UK-State1-24', 'UK-State1-24', 'UK-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'UK-State1-24', 'UK-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'UK-State1-24', 'UK-State1-24', 'UK-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'DE-State1-24', 'DE-State1-24', 'USA-State1-24', 'USA-State1-24', 'DE-State1-24', 'DE-State1-24', 'DE-State1-24', 'DE-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'USA-State1-24', 'DE-State1-24', 'DE-State1-24'],
'Color' : ['белый', 'белый', 'белый', 'синий', 'синий', 'зеленый', 'зеленый', 'желтый', 'желтый', 'красный', 'красный', 'серый', 'серый', 'серый', 'коричневый', 'коричневый', 'синий2', 'синий2', 'белый2', 'белый2', 'белый2', 'желтый2', 'желтый2', 'красный', 'красный', 'красный', 'желтый', 'желтый', 'синий', 'синий', 'зеленый', 'зеленый', 'белый', 'белый', 'серый', 'серый', 'серый', 'серый', 'серый', 'серый', 'серый', 'серый', 'зеленый', 'зеленый', 'желтый', 'желтый', 'серый2', 'серый2', 'серый2', 'красный', 'красный', 'коричневый', 'коричневый', 'белый', 'белый', 'белый', 'серый', 'серый', 'синий', 'синий', 'красный', 'красный', 'розовый', 'розовый', 'розовый', 'фиолетовый', 'фиолетовый', 'оранжевый', 'оранжевый', 'черный', 'черный', 'бирюзовый', 'бирюзовый', 'синий', 'синий', 'желтый', 'желтый', 'зеленый', 'зеленый', 'красный', 'красный', 'желтый', 'желтый', 'розовый', 'розовый', 'белый', 'белый', 'зеленый', 'зеленый', 'зеленый', 'зеленый', 'красный', 'красный', 'зеленый', 'зеленый', 'красный2', 'красный2', 'черный', 'черный', 'черный', 'бирюзовый', 'бирюзовый', 'бирюзовый', 'фиолетовый', 'фиолетовый', 'коричневый', 'коричневый', 'зеленый2', 'зеленый2', 'оранжевый', 'оранжевый', 'оранжевый', 'оранжевый', 'розовый', 'розовый', 'розовый', 'розовый', 'розовый', 'розовый', 'зеленый2', 'зеленый2', 'зеленый2', 'зеленый2', 'зеленый2', 'красный', 'красный', 'красный', 'красный', 'белый', 'белый', 'белый', 'белый', 'желтый', 'желтый', 'желтый', 'синий', 'синий', 'синий', 'красный', 'красный', 'зеленый', 'зеленый', 'розовый', 'розовый', 'черный', 'черный', 'бирюзовый', 'бирюзовый', 'фиолетовый', 'фиолетовый', 'фиолетовый', 'фиолетовый', 'фиолетовый', 'фиолетовый', 'синий2', 'синий2', 'синий2', 'синий2', 'белый2', 'белый2', 'белый2', 'белый2', 'белый2', 'белый2', 'фиолетовый2', 'фиолетовый2', 'желтый2', 'желтый2', 'желтый2', 'коричневый2', 'коричневый2', 'зеленый2', 'зеленый2', 'зеленый2', 'красный2', 'красный2', 'красный2', 'серый', 'серый', 'белый', 'белый', 'серый', 'серый', 'серый', 'серый', 'коричневый', 'коричневый', 'фиолетовый', 'фиолетовый', 'синий', 'синий', 'синий', 'синий', 'синий', 'бирюзовый', 'бирюзовый', 'бирюзовый', 'бирюзовый', 'бирюзовый', 'бирюзовый', 'оранжевый', 'оранжевый', 'черный', 'черный', 'черный', 'черный', 'черный', 'черный', 'фиолетовый', 'фиолетовый', 'коричневый', 'коричневый', 'коричневый', 'коричневый', 'коричневый', 'коричневый', 'бирюзовый', 'бирюзовый', 'серый', 'серый', 'серый', 'фиолетовый', 'фиолетовый', 'коричневый', 'коричневый', 'коричневый', 'коричневый', 'коричневый', 'коричневый', 'зеленый', 'зеленый', 'красный', 'красный', 'желтый', 'желтый', 'синий', 'синий', 'синий', 'синий', 'синий', 'синий', 'синий', 'синий', 'желтый', 'желтый', 'желтый', 'желтый', 'красный2', 'красный2', 'белый', 'белый', 'оранжевый', 'оранжевый', 'оранжевый', 'оранжевый', 'серый', 'серый', 'серый', 'коричневый', 'коричневый', 'фиолетовый', 'фиолетовый', 'фиолетовый', 'оранжевый', 'черный', 'черный', 'черный', 'черный', 'черный', 'черный', 'черный', 'черный', 'оранжевый', 'оранжевый', 'черный', 'черный', 'черный', 'черный', 'бирюзовый', 'бирюзовый', 'розовый', 'розовый', 'красный2', 'красный2', 'зеленый2', 'зеленый2', 'зеленый2', 'зеленый2', 'серый2', 'серый2', 'серый2', 'серый2', 'серый2', 'серый2', 'серый2', 'серый2', 'серый2', 'белый', 'белый']}
#'Numbering' : ['19', '19', '19', '3', '3', '2', '2', '4', '4', '1', '1', '6', '6', '6', '7', '7', '38', '38', '40', '40', '40', '39', '39', '25', '25', '25', '28', '28', '27', '27', '26', '26', '29', '29', '20', '20', '20', '20', '20', '20', '20', '20', '25', '25', '27', '27', '41', '41', '41', '43', '43', '30', '30', '28', '28', '28', '29', '29', '26', '26', '24', '24', '35', '35', '35', '31', '31', '34', '34', '33', '33', '32', '32', '17', '17', '17', '17', '16', '16', '15', '15', '18', '18', '13', '13', '18', '18', '15', '15', '15', '15', '14', '14', '2', '2', '28', '28', '25', '25', '25', '24', '24', '24', '23', '23', '22', '22', '14', '14', '26', '26', '26', '26', '27', '27', '27', '27', '27', '27', '29', '29', '29', '29', '29', '1', '1', '1', '1', '34', '34', '34', '34', '33', '33', '33', '32', '32', '32', '30', '30', '31', '31', '12', '12', '10', '10', '9', '9', '8', '8', '8', '8', '8', '8', '17', '17', '17', '17', '19', '19', '19', '19', '19', '19', '23', '23', '18', '18', '18', '22', '22', '37', '37', '37', '36', '36', '36', '6', '6', '5', '5', '19', '19', '19', '19', '20', '20', '21', '21', '16', '16', '16', '16', '16', '23', '23', '23', '23', '23', '23', '12', '12', '11', '11', '24', '24', '24', '24', '32', '32', '31', '31', '31', '31', '31', '31', '10', '10', '30', '30', '30', '9', '9', '7', '7', '7', '7', '7', '7', '2', '2', '1', '1', '4', '4', '3', '3', '3', '3', '3', '3', '3', '3', '5', '5', '5', '5', '13', '13', '6', '6', '11', '11', '11', '11', '7', '7', '7', '8', '8', '9', '9', '9', '13', '11', '11', '11', '11', '11', '11', '11', '11', '13', '13', '11', '11', '11', '11', '10', '10', '14', '14', '15', '15', '16', '16', '16', '16', '20', '20', '20', '20', '20', '20', '20', '20', '20', '5', '5']

df = pd.DataFrame(data)
print(df)

Подводя итог еще раз, шаги, которые я бы выполнил в Excel:

  1. Отсортировать PlayerID по алфавиту
  2. Отфильтровать колонку Country по любой стране
  3. Отфильтровать колонку State по любому штату
  4. Отсортировать колонку Color по кодам цветов
  5. Начать присваивать номера цветам
  6. Отфильтровать следующий штат и продолжить увеличивать значение номера с предыдущего штата, но снова начиная с красного (в соответствии с порядком цветов)
  7. Следующая страна (нумерация начнется снова с 1)

Существует ли более элегантный способ, чем вложенный цикл for?

Ответ или решение

Для выполнения данной задачи в Pandas, вы можете использовать следующие шаги для сортировки, фильтрации и условной нумерации с кастомной сортировкой. Важно использовать функцию groupby() для группировки данных по странам и штатам, а также rank() для присвоения значений.

Вот полный пример кода, который иллюстрирует этот процесс:

import pandas as pd

# Настройка отображения
pd.set_option('display.max_rows', None)
pd.set_option('display.max_columns', None)

# Данные
data = {
    'PlayerID' : ['12319353-999', '12319353-002', '12319353-001', '12319382-999', '12319382-001',
                  '12319380-999', '12319380-001', '12319381-999', '12319381-001', '12319383-999'],
    'Country': ['Germany', 'Germany', 'Germany', 'Germany', 'Germany', 'Germany', 'Germany', 'Germany', 'Germany', 'Germany'],
    'State' : ['DE-State1-24', 'DE-State1-24', 'DE-State1-24', 'DE-State2-24', 'DE-State2-24',
               'DE-State2-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24', 'DE-State3-24'],
    'Color' : ['red', 'blue', 'green', 'yellow', 'blue', 'red', 'white', 'grey', 'yellow', 'green']
}

df = pd.DataFrame(data)

# Настройка порядка цветов
color_order_12 = ['red', 'green', 'blue', 'yellow', 'white', 'grey', 'brown', 'violet', 'turquois', 'black', 'orange', 'pink']
color_order_24 = ['red', 'green', 'blue', 'yellow', 'white', 'grey', 'brown', 'violet', 'turquois', 'black', 'orange', 'pink'] + \
                 ['red2', 'green2', 'blue2', 'yellow2', 'white2', 'grey2', 'brown2', 'violet2', 'turquois2', 'black2', 'orange2', 'pink2']

def assign_color_numbers(group):
    if group['Color'].count() <= 12:
        color_order = color_order_12
    else:
        color_order = color_order_24

    # Упорядочивание по цветам
    group['Color'] = pd.Categorical(group['Color'], categories=color_order, ordered=True)
    group = group.sort_values('Color')

    # Присвоение номера каждому цвету
    group['Numbering'] = range(1, len(group) + 1)
    return group

# Применение функции к каждой группе (Страна, Штат)
df_result = df.groupby(['Country', 'State']).apply(assign_color_numbers).reset_index(drop=True)

# Сортировка по PlayerID
df_result = df_result.sort_values('PlayerID').reset_index(drop=True)

print(df_result)

Пояснение кода:

  1. Создание данных: Изначально создаем DataFrame с необходимыми данными.
  2. Определение порядка цветов: Мы устанавливаем порядок цветов для двух категорий – для случаев с до 12 игроков и до 24 игроков.
  3. Функция assign_color_numbers(): Эта функция принимает группу, определяет, какому порядку цветов она принадлежит, сортирует цвета и присваивает им номера с помощью range().
  4. Группировка данных: С помощью groupby() мы группируем данные по столбцам Country и State, а затем применяем нашу функцию для каждой группы.
  5. Сортировка окончательного DataFrame: В конце мы сортируем итоговый DataFrame по PlayerID.

Этот подход позволяет избежать использования вложенных циклов и делает код более элегантным и читаемым. С помощью Pandas вы сможете обработать даже большие наборы данных с высокой производительностью.

pandas python
Оцените материал
Добавить комментарий

Капча загружается...

© 2024 IZ6.RU
*В материалах сайта упоминаются социальные сети Фейсбук / Инстаграм, принадлежащие Meta Platforms Inc., деятельность которой запрещена на территории РФ в части реализации данных социальных сетей на основании осуществления ею экстремистской деятельности