社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  Python

用Python在数据帧中的组内排列元素

BARATH RAJ • 5 年前 • 1487 次点击  

我被这个问题困住了,有人帮我解决这个问题。 我的问题是我有一个名为“df”的数据帧,它是这样的,

 City              Complaint              Elapsed_Time
ARVERNE        Illegal Fireworks        0 days 00:19:00 
RIDGEWOOD      Homeless Encampment      1 days 04:39:00
ARVERNE        Homeless Encampment      0 days 02:37:00
RIDGEWOOD      Drinking                 0 days 00:14:19

我希望答案是

ARVERNE        Illegal Fireworks        0 days 00:19:00
               Homeless Encampment      0 days 02:37:00
RIDGEWOOD      Drinking                 0 days 00:14:19
               Homeless Encampment      1 days 04:39:00

也就是说,我想订购基于“已用时间”的“投诉”类型,并根据“城市”进行分组。

df=df.sort_values('Elapsed_Time').groupby(['City','Complaint'])

我也用了这个密码,

df=df.sort_values('Elapsed_Time').groupby(['City'])

在单独的代码中使用sort_values和groupby函数,但是对于所有这些代码,我得到的结果是,

RIDGEWOOD      Drinking                 0 days 00:14:19
ARVERNE        Illegal Fireworks        0 days 00:19:00
ARVERNE        Homeless Encampment      0 days 02:37:00
RIDGEWOOD      Homeless Encampment      1 days 04:39:00

那么怎样才能解决这个问题呢???

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/56626
 
1487 次点击  
文章 [ 1 ]  |  最新文章 5 年前
Haleemur Ali
Reply   •   1 楼
Haleemur Ali    5 年前

订购 Complaint 在每个 City 分组依据 Elapsed_Time 西蒂 &安培; 已用时间

使数据可视化,以便 在每一行中不重复,请使用 西蒂 &安培; 投诉

df.sort_values(['City', 'Elapsed_Time']).set_index(['City', 'Complaint'])

# outputs:

                                  Elapsed_Time
City      Complaint                           
ARVERNE   Illegal Fireworks    0 days 00:19:00
          Homeless Encampment  0 days 02:37:00
RIDGEWOOD Drinking             0 days 00:14:19
          Homeless Encampment  1 days 04:39:00