Сортировка фрейма данных и создание новых столбцов на основе ранга элемента

Question

У меня есть следующий фрейм данных:

import pandas as pd
df = pd.DataFrame(
                  {
                   'id': [1, 1, 1, 1, 2, 2,2, 2, 3, 3, 3, 3],
                   'name': ['A', 'B', 'C', 'D','A', 'B','C', 'D', 'A', 'B','C', 'D'], 
                   'Value': [1, 2, 3, 4, 5, 6, 0, 2, 4, 6, 3, 5]
                  },
                  columns=['name','id','Value'])`

Я могу отсортировать данные, используя идентификатор и значение, как показано ниже:

df.sort_values(['id','Value'],ascending = [True,False])  

Таблица, которую я распечатаю, будет выглядеть следующим образом:

  name   id   Value
    D      1      4
    C      1      3
    B      1      2
    A      1      1
    B      2      6
    A      2      5
    D      2      2
    C      2      0
    B      3      6
    D      3      5
    A      3      4
    C      3      3

Я хотел бы создать 4 новых столбца (Rank1, Rank2, Rank3, Rank4) , если элемент в столбце name является наибольшим значением,столбцу Rank1 будет присвоено значение 1 else 0 .если элемент в столбце name является вторым по величине значением, столбцу Rank2 будет присвоено значение 1 else 0 .То же самое для Ранга 3 и Ранга 4.

Как я могу это сделать?

Спасибо.

Zep

Answer 1

Для этого не требуется предварительная сортировка

df.join(
    pd.get_dummies(
        df.groupby('id').Value.apply(np.argsort).rsub(4)
    ).add_prefix('Rank')
)

   name  id  Value  Rank1  Rank2  Rank3  Rank4
0     D   1      4      1      0      0      0
1     C   1      3      0      1      0      0
2     B   1      2      0      0      1      0
3     A   1      1      0      0      0      1
4     B   2      6      1      0      0      0
5     A   2      5      0      1      0      0
6     D   2      2      0      0      1      0
7     C   2      0      0      0      0      1
8     B   3      6      1      0      0      0
9     D   3      5      0      1      0      0
10    A   3      4      0      0      1      0
11    C   3      3      0      0      0      1

---

Более динамичная

df.join(
    pd.get_dummies(
        df.groupby('id').Value.apply(lambda x: len(x) - np.argsort(x))
    ).add_prefix('Rank')
)

   name  id  Value  Rank1  Rank2  Rank3  Rank4
0     D   1      4      1      0      0      0
1     C   1      3      0      1      0      0
2     B   1      2      0      0      1      0
3     A   1      1      0      0      0      1
4     B   2      6      1      0      0      0
5     A   2      5      0      1      0      0
6     D   2      2      0      0      1      0
7     C   2      0      0      0      0      1
8     B   3      6      1      0      0      0
9     D   3      5      0      1      0      0
10    A   3      4      0      0      1      0
11    C   3      3      0      0      0      1

Answer 2

Использование:

df = df.join(pd.get_dummies(df.groupby('id').cumcount().add(1)).add_prefix('Rank'))
print (df)
   name  id  Value  Rank1  Rank2  Rank3  Rank4
3     D   1      4      1      0      0      0
2     C   1      3      0      1      0      0
1     B   1      2      0      0      1      0
0     A   1      1      0      0      0      1
5     B   2      6      1      0      0      0
4     A   2      5      0      1      0      0
7     D   2      2      0      0      1      0
6     C   2      0      0      0      0      1
9     B   3      6      1      0      0      0
11    D   3      5      0      1      0      0
8     A   3      4      0      0      1      0
10    C   3      3      0      0      0      1

Подробности :

Для подсчета по группам используйте GroupBy.cumcount, затем добавьте 1:

print (df.groupby('id').cumcount().add(1))
3     1
2     2
1     3
0     4
5     1
4     2
7     3
6     4
9     1
11    2
8     3
10    4
dtype: int64

Для столбцов индикатора используйте get_dumes с add_prefix:

print (pd.get_dummies(df.groupby('id').cumcount().add(1)).add_prefix('Rank'))
    Rank1  Rank2  Rank3  Rank4
3       1      0      0      0
2       0      1      0      0
1       0      0      1      0
0       0      0      0      1
5       1      0      0      0
4       0      1      0      0
7       0      0      1      0
6       0      0      0      1
9       1      0      0      0
11      0      1      0      0
8       0      0      1      0
10      0      0      0      1