加入重复值/行的问题

【问题标题】：Issue with joining repeated values/rows加入重复值/行的问题
【发布时间】：2023-04-14 21:49:02
【问题描述】：

python 新手，似乎无法理解如何进行。使用 bin 并编辑我的数据框后，我想出了这个：

    Continents  % Renewable Country
0   Asia    (15.753, 29.227]    China
1   North America   (2.212, 15.753] United States
2   Asia    (2.212, 15.753] Japan
3   Europe  (2.212, 15.753] United Kingdom
4   Europe  (15.753, 29.227]    Russian Federation
5   North America   (56.174, 69.648]    Canada
6   Europe  (15.753, 29.227]    Germany
7   Asia    (2.212, 15.753] India
8   Europe  (15.753, 29.227]    France
9   Asia    (2.212, 15.753] South Korea
10  Europe  (29.227, 42.701]    Italy
11  Europe  (29.227, 42.701]    Spain
12  Asia    (2.212, 15.753] Iran
13  Australia   (2.212, 15.753] Australia
14  South America   (56.174, 69.648]    Brazil

现在，当我将 Continents 和 % Renewable 设置为 miltiindex 时，使用：

Top15 = Top15.groupby(by=['Continents', '% Renewable']).sum()

获得以下信息：

                            Country
Continents  % Renewable   
Asia    (15.753, 29.227]    China
         (2.212, 15.753]    JapanIndiaSouth KoreaIran
Australia   (2.212, 15.753] Australia
Europe  (15.753, 29.227]    Russian FederationGermanyFrance
        (2.212, 15.753] United Kingdom
        (29.227, 42.701]    ItalySpain
North America   (2.212, 15.753] United States
                 (56.174, 69.648]   Canada
South America   (56.174, 69.648]    Brazil

现在我想有一列可以告诉我每个索引中的国家数量，即：

第一排-中国=1，

日本印度韩国伊朗排在第 2 排

所以最后我想要这样的东西：

Asia           (2.212, 15.753]     4
               (15.753, 29.227]    1

我只是不知道怎么去那里。

此外，数字需要按降序排序，同时仍保留索引分组。

【解决方案1】：

size 的解决方案：

What is the difference between size and count in pandas?

print (Top15.groupby(['Continents', '% Renewable']).size())
Name: Country, dtype: int64
Continents     % Renewable     
Asia           (15.753, 29.227]    1
               (2.212, 15.753]     4
Australia      (2.212, 15.753]     1
Europe         (15.753, 29.227]    3
               (2.212, 15.753]     1
               (29.227, 42.701]    2
North America  (2.212, 15.753]     1
               (56.174, 69.648]    1
South America  (56.174, 69.648]    1
dtype: int64

如果需要更改订单，使用 sort_values ，对于数据框添加 reset_index ，如果需要，最后使用 MultiIndex 添加 set_index ：

print (Top15.groupby(['Continents', '% Renewable']) \
            .size() \
            .reset_index(name='COUNT') \
            .sort_values(['Continents', 'COUNT'], ascending=[True, False]) \
            .set_index(['Continents','% Renewable']).COUNT)

Continents     % Renewable     
Asia           (2.212, 15.753]     4
               (15.753, 29.227]    1
Australia      (2.212, 15.753]     1
Europe         (15.753, 29.227]    3
               (29.227, 42.701]    2
               (2.212, 15.753]     1
North America  (2.212, 15.753]     1
               (56.174, 69.648]    1
South America  (56.174, 69.648]    1
Name: COUNT, dtype: int64

【讨论】：

谢谢，但有没有办法让它降序排列？就像在亚洲的情况下，第 4 行是第一行，第 1 行是下一行。
抱歉，为此但我需要将亚洲 4 和亚洲 1 放在一起，即第一行是 asia 的值 4 然后 1 ，然后是 Australia 的行值 3 然后 2 然后 1 . 基本上索引在排序 az 中优先，然后是之后的值。
感谢大家的帮助！得到了答案！

分享于2023年04月15日 indexing pandas pandas-groupby python 问答