我有一个名为df_world
的df,形状如下:
Cases Death Delta_Cases Delta_Death
Country/Region Date
Brazil 2020-01-22 0.0 0 NaN NaN
2020-01-23 0.0 0 0.0 0.0
2020-01-24 0.0 0 0.0 0.0
2020-01-25 0.0 0 0.0 0.0
2020-01-26 0.0 0 0.0 0.0
... ... ... ...
World 2020-05-12 4261747.0 291942 84245.0 5612.0
2020-05-13 4347018.0 297197 85271.0 5255.0
2020-05-14 4442163.0 302418 95145.0 5221.0
2020-05-15 4542347.0 307666 100184.0 5248.0
2020-05-16 4634068.0 311781 91721.0 4115.0
我想按上次记录中“案例”列的值对国家/地区索引进行排序,即比较所有国家/地区在2020-05-16的病例值并返回已排序的国家/地区列表
[我曾考虑仅使用2020-05-16值创建另一个df,然后使用df.sort_values()
方法,但我确信必须有一种更有效的方法。
虽然我在做这个,但我也试图只选择在2020-05-16上有一定数量以上案例的国家/地区,并且我发现这样做的唯一方法是遍历该国家/地区索引:
for a_country in df_world.index.levels[0]:
if df_world.loc[(a_country, last_date), 'Cases'] < cut_off_val:
df_world = df_world.drop(index=a_country)
但是这是一种很差的方法。
[如果有人对如何提高这段代码的效率有想法,我将非常高兴。
谢谢:)
您可以先按“国家/地区”对数据集进行分组,然后按“日期”对每个组进行排序,取最后一个,然后按“案例”进行再次排序。
自己添加一些数据(数据类型不同,但您明白我的意思):
df = pd.DataFrame([['a', 1, 100],
['a', 2, 10],
['b', 2, 55],
['b', 3, 15],
['c', 1, 22],
['c', 3, 80]])
df.columns = ['country', 'date', 'cases']
df = df.set_index(['country', 'date'])
print(df)
# cases
# country date
# a 1 100
# 2 10
# b 2 55
# 3 15
# c 1 22
# 3 80
然后,
# group them by country
grp_by_country = df.groupby(by='country')
# for each group, aggregate by sorting by data and taking the last row (latest date)
latest_per_grp = grp_by_country.agg(lambda x: x.sort_values(by='date').iloc[-1])
# sort again by cases
sorted_by_cases = latest_per_grp.sort_values(by='cases')
print(sorted_by_cases)
# cases
# country
# a 10
# b 15
# c 80
请注意安全!
last_recs = df_world.reset_index().groupby('Country/Region').last()
sorted_countries = last_recs.sort_values('Cases')['Country/Region']
由于我没有您的原始数据,所以无法测试它,但这应该可以满足您的需求。我相信所有方法都是不言自明的。
如果不是这种情况,您可能需要按第一行中的日期对df_world进行排序。