groupby多列没有按defau对值进行排序

Question

我有下面的df

code      pct         year_month
10        6.6156      201905
10        6.0868      201905
10        5.8975      201905
10        11.2195     201905
10        11.1404     201905 

我喜欢做以下事情

df2 = df.sort_values('pct', ascending=False)
df2['pct'].cumsum().le(20).mean()
0.2

以groupby的方式

df.groupby(['year_month', 'code'])['pct'].apply(lambda x: x.cumsum().le(20).mean())

但结果不同

year_month  code
201905      BR10    0.6

我认为groupby应该按照默认的降序对pct进行排序，但似乎不是，所以我想知道如何在每个year_month，code组中对cumsum进行排序

Answer 1

您的代码是不同的，对于相同的输出，需要按前2列排序-['year_month','code']，或者使用此示例数据忽略它（如果已经排序）：

print (df['pct'].cumsum().le(20).mean())
0.6

df2 = df.sort_values(['year_month','code'], ascending=False)
print (df2['pct'].cumsum().le(20).mean())
0.6

groupby中的排序值在groupby-这里是['year_month', 'code']，而不是pct：

df = df.groupby(['year_month', 'code'])['pct'].apply(lambda x: x.cumsum().le(20).mean())
print (df)
year_month  code
201905      10      0.6
Name: pct, dtype: float64

因此，对于相同的输出排序，这里添加了pct列，如果需要防止按'year_month', 'code']排序，则添加sort=False：

df2 = df.sort_values('pct', ascending=False)
print (df2['pct'].cumsum().le(20).mean())
0.2

df = (df.sort_values(['pct'], ascending=False)
        .groupby(['year_month', 'code'], sort=False)['pct']
        .apply(lambda x: x.cumsum().le(20).mean()))
print (df)
year_month  code
201905      10      0.2
Name: pct, dtype: float64