Pandas按降序枚举组

Question

我有以下专栏：

   column
0      10
1      10
2       8
3       8
4       6
5       6

我的目标是找到今天的唯一值（在这种情况下为3）并创建一个新列，它将创建以下内容

   new_column
0           3
1           3
2           2
3           2
4           1
5           1

编号从唯一值的长度（3）开始，如果当前行与基于原始列的前一行相同，则重复相同的编号。 当行值更改时，数字会减少。 原始列中的所有唯一值具有相同的行数（在这种情况下，每个唯一值为2行）。

我的解决方案是将原始列分组并创建一个如下所示的新列表：

i=1
new_time=[]
for j, v in df.groupby('column'):
    new_time.append([i]*2)
    i=i+1

然后我按降序排列列表排序。 还有其他更简单的方法吗？

谢谢。

Answer 1

pd.factorize

i, u = pd.factorize(df.column)
df.assign(new=len(u) - i)

   column  new
0      10    3
1      10    3
2       8    2
3       8    2
4       6    1
5       6    1

---

dict.setdefault

d = {}
for k in df.column:
    d.setdefault(k, len(d))

df.assign(new=len(d) - df.column.map(d))

Answer 2

使用GroupBy.ngroup ， ascending=False ：

df.groupby('column', sort=False).ngroup(ascending=False)+1

0    3
1    3
2    2
3    2
4    1
5    1
dtype: int64

---

对于看起来像这样的DataFrame，

df = pd.DataFrame({'column': [10, 10, 8, 8, 10, 10]})

。 。 。只有连续的值要分组，你需要修改你的石斑鱼：

(df.groupby(df['column'].ne(df['column'].shift()).cumsum(), sort=False)
   .ngroup(ascending=False)
   .add(1))

0    3
1    3
2    2
3    2
4    1
5    1
dtype: int64

Answer 3

尝试使用unique map

df.column.map(dict(zip(df.column.unique(),reversed(range(df.column.nunique())))))+1
Out[350]: 
0    3
1    3
2    2
3    2
4    1
5    1
Name: column, dtype: int64

Answer 4

实际上，我们可以使用rank dense rank

密集 ：像'min'，但是组之间的等级总是增加1

df['column'].rank(method='dense')

0    3.0
1    3.0
2    2.0
3    2.0
4    1.0
5    1.0

rank版本的@ cs95解决方案将是

df['column'].ne(df['column'].shift()).cumsum().rank(method='dense',ascending=False)

Answer 5

在IIUC中，您希望颠倒顺序的相同值连续组的groupID。 如果是这样，我认为这也应该有效：

df.column.nunique() - df.column.ne(df.column.shift()).cumsum().sub(1)

Out[691]:
0    3
1    3
2    2
3    2
4    1
5    1
Name: column, dtype: int32