目录

生成一列sum_age 对age 进行累加生成一列sum_age_new 按照 gender和is_good 对age进行累加根据不同的性别对年龄进行 等级 排序对数据排序之后，分组，并累计求和pandas分组排序功能

生成一列sum_age 对age 进行累加

df["sum_age"] = df["age"].cumsum()
print(df)

生成一列sum_age_new 按照 gender和is_good 对age进行累加

df["sum_age_new"] = df.groupby(["gender","is_good"])["age"].cumsum()
print(df)

根据不同的性别对年龄进行 等级 排序

df["rank_g"] = df.groupby(["gender"])["age"].rank()
print(df)

这里的 rank( ) 即 "rank_g" ，并不是按照1、2、3、4、、依次排

按照官方文档的意思，该函数是沿着某个轴来计算数值数据等级(1到n)。默认情况下，为相等的值分配同一个等级，该等级是这些值的等级的平均值。

例子：

import pandas as pd
obj = pd.Series([7,-5,7,4,2,0,4])
print(obj.rank())

代码对 [7, -5, 7, 4, 2, 0, 4] 进行从小到大地排序，很明显地，可以排成 [-5, 0, 2 ,4, 4, 7, 7]，数值7有第6和第7两个位置，那应该排序应该排到第几级？根据官方文档，取平均值，(6+7)/2=6.5，所以两个7的等级都为6.5，同理可得两个4的等级都为(4+5)/2=4.5。

输出：

0 6.5
1 1.0
2 6.5
3 4.5
4 3.0
5 2.0
6 4.5
dtype: float64

对数据排序之后，分组，并累计求和

# 对Start Time进行排序，Connection Type分组，temp进行累计求和cumsum
wsw_1 = wsw.sort_values(["Start Time"])
wsw_1.loc[:, "Connection Number"] = wsw_1.groupby(["Connection Type"])["temp"].cumsum()

这里如果不对start time排序，Connection Number不会按时间顺序，统计drilling、tripping 的number数

pandas分组排序功能

在一个班级里，学生考试科目有语文、数学、英语，分别有对应的成绩。

现在，想要列出每个科目班级的前五名的情况，要求包含科目、姓名、成绩、名次。

通过以下代码实现：

import pandas as pd
a=["小红","小绿","小蓝","小白","小青","小紫","小粉","小傻","小红","小绿","小蓝","小白","小青","小紫","小粉","小傻","小红","小绿","小蓝","小白","小青","小紫","小粉","小傻"]
b=["语文","语文","语文","语文","语文","语文","语文","语文","数学","数学","数学","数学","数学","数学","数学","数学","英语","英语","英语","英语","英语","英语","英语","英语"]
c=[97,65,23,43,67,23,55,98,56,45,67,78,98,45,87,65,67,23,55,98,56,45,67,78]
len(a),len(b),len(c)
df=pd.DataFrame({"name":a,"kemu":b,"score":c})
df2=df.sort_values(["kemu","score","name"], ascending=[1, 0,1])
df2["rn"]=df2.groupby(["kemu"]).rank(method="first",ascending =0)["score"]
df2[df2["rn"]<=5]
""""

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。

关键词： 根据不同 取平均值 希望大家 数值数据