代码之家 › 专栏 › 技术社区 › jangorecki

使用python数据表按组排列的前n行

h2o datatable r python

jangorecki · 技术社区 · 7 年前

按组查询前n行的正确方法是什么 python datatable ?
例如,获取最大的前2行 v3 价值观 id2, id4 第一组大熊猫的表达方式如下:

df.sort_values('v3', ascending=False).groupby(['id2','id4']).head(2)

在R使用中 data.table :

DT[order(-v3), head(v3, 2L), by=.(id2, id4)]

或在R使用中 dplyr :

DF %>% arrange(desc(v3)) %>% group_by(id2, id4) %>% filter(row_number() <= 2L)

示例数据和使用熊猫的预期输出:

import datatable as dt
dt = dt.Frame(id2=[1, 2, 1, 2, 1, 2], id4=[1, 1, 1, 1, 1, 1], v3=[1, 3, 2, 3, 3, 3])
df = dt.to_pandas()
df.sort_values('v3', ascending=False).groupby(['id2','id4']).head(2)
#   id2  id4  v3
#1    2    1   3
#3    2    1   3
#4    1    1   3
#2    1    1   2

1 回复 | 直到 7 年前

Pasha 7 年前

在最新版本的 datatable (即将发布0.8.0版),这可以通过组合分组、排序和筛选来实现:

from datatable import *
DT = Frame(id2=[1, 2, 1, 2, 1, 2], 
           id4=[1, 1, 1, 1, 1, 1], 
           v3=[1, 3, 2, 3, 3, 3])

DT[:2, :, by(f.id2, f.id4), sort(-f.v3)]

产生

     id2  id4  v3
---  ---  ---  --
 0     1    1   3
 1     1    1   2
 2     2    1   3
 3     2    1   3

[4 rows x 3 columns]

说明:

by(f.id2, f.id4) 按列“id2”和“id4”对数据分组;
这个 sort(-f.v3) 命令告诉 可计算的 按“v3”列的降序排列记录。在……面前 by() 此操作员将在每组中应用;
第一 :2 选择前2行,在每组中再次选择;
第二 : 选择所有列。如果需要,这可能是列或表达式的列表,允许您对每个组的前2行执行一些操作。

推荐文章

WesternGun · H2O-带有“performance.plot()”ROC的savefig

8 年前

Giorgio Spedicato · xgboost在h2o偏移中的实现

8 年前

Giorgio Spedicato · h2o PCA中的validation\u帧参数

8 年前

thirdeye802 · 利用h2o系综模型寻找每个特征对特定预测的贡献

8 年前

abu · 更新到3.18后,估计h2o中的xgboost时出错

8 年前

user1234 · H2O叠加群训练数据交叉验证求AUC

8 年前

slowD · H2O无人驾驶AI中的2个目标列

8 年前

deepAgrawal · 尝试在linux服务器上运行多个实例时H2o崩溃

8 年前

EngrStudent · 如何指定h2o中的相互作用。glm?

8 年前

lampShadesDrifter · 使用特定连接节点url在hadoop集群中启动h2o

8 年前