按因子分组并返回其他列的第二个最低值

Question

我想按zipcode列中的值对这个数据帧进行分组，然后在另一个（称为rate）列中返回second lowestrate或lowestrate或maxrate。你知道吗

例如，从这个df:

zipcode state   county_code name    rate_area_x plan_id metal_level rate    rate_area_y
36749   AL  1001    Autauga 11  52161YL6358432  Silver  245.82  6
36749   AL  1001    Autauga 11  01100AO4222848  Silver  271.77  5
36749   AL  1001    Autauga 11  24848KC5063721  Silver  264.84  1
36749   AL  1001    Autauga 11  89885YK0256118  Silver  269.11  8
36749   AL  1001    Autauga 11  65392ON5819785  Silver  305.02  12
30165   AL  1019    Cherokee    13  52161YL6358432  Silver  245.82  6
30165   AL  1019    Cherokee    13  01100AO4222848  Silver  271.77  5
30165   AL  1019    Cherokee    13  24848KC5063721  Silver  264.84  1
30165   AL  1019    Cherokee    13  89885YK0256118  Silver  269.11  8
30165   AL  1019    Cherokee    13  65392ON5819785  Silver  305.02  12
30165   AL  1019    Cherokee    13  90884WN5801293  Silver  323.25  2
30165   AL  1019    Cherokee    13  79113BU1788705  Silver  344.81  7

我希望：

zipcode rate
36749   245.82
30165   245.82

在R中，我这样做是为了得到每个zipcode组的最小值：

grouped_df <- df %>%
              group_by(zipcode) %>%
              summarise(rate = min(rate))

但是如何使用Python的Pandas获得第二低的速率值呢？

Answer 1

编辑：我给你两个最小的和第二个最小的，供你在一般情况下使用。然而，正如@WenYoBen在评论中提到的，你可能只想要第二低的。如果是这样的话，您只需要链接reset_index、drop和drop_duplicates就可以得到最小值或第二小值，如下所示：

获取最小值：

df.groupby('zipcode').rate.nsmallest(2).reset_index().drop('level_1',1) \
  .drop_duplicates(subset=['zipcode'])

Out[2108]:
       zipcode    rate
    0    30165  245.82
    2    36749  245.82

---

获得第二个最小值：

df.groupby('zipcode').rate.nsmallest(2).reset_index().drop('level_1',1) \
  .drop_duplicates(subset=['zipcode'], keep='last')

Out[2109]:
   zipcode    rate
1    30165  264.84
3    36749  264.84    

---

原件：

groupby.nsmallest将给出每组中最小的和第二小的

df.groupby('zipcode').rate.nsmallest(2)

Out[2083]:
zipcode
30165    5    245.82
         7    264.84
36749    0    245.82
         2    264.84
Name: rate, dtype: float64

Answer 2

要将结果放入Dataframe，可以使用group_by方法和to_frame。注意，要获得第n个最低值（而不是[：n]个最低值），请对df排序并选择所需的n。你知道吗

import pandas as pd

data="""zipcode state   county_code name    rate_area_x plan_id metal_level rate    rate_area_y
36749   AL  1001    Autauga 11  52161YL6358432  Silver  245.82  6
36749   AL  1001    Autauga 11  01100AO4222848  Silver  271.77  5
36749   AL  1001    Autauga 11  24848KC5063721  Silver  264.84  1
36749   AL  1001    Autauga 11  89885YK0256118  Silver  269.11  8
36749   AL  1001    Autauga 11  65392ON5819785  Silver  305.02  12
30165   AL  1019    Cherokee    13  52161YL6358432  Silver  245.82  6
30165   AL  1019    Cherokee    13  01100AO4222848  Silver  271.77  5
30165   AL  1019    Cherokee    13  24848KC5063721  Silver  264.84  1
30165   AL  1019    Cherokee    13  89885YK0256118  Silver  269.11  8
30165   AL  1019    Cherokee    13  65392ON5819785  Silver  305.02  12
30165   AL  1019    Cherokee    13  90884WN5801293  Silver  323.25  2
30165   AL  1019    Cherokee    13  79113BU1788705  Silver  344.81  7"""

# create dataframe
n_columns = 9
data = [data.split()[x:x+n_columns] for x in range(0, len(data.split()), n_columns)]
df = pd.DataFrame(data[1:], columns=data[0]).apply(pd.to_numeric, errors='ignore')

# ensure the dataframe is sorted
df = df.sort_values(['zipcode','rate'])

min_df = df.groupby('zipcode').rate.min().to_frame(name = 'rate').reset_index()

max_df = df.groupby('zipcode').rate.max().to_frame(name = 'rate').reset_index()

second_lowest_df = df.groupby('zipcode').rate.nth(1).to_frame(name = 'rate').reset_index()

Answer 3

sort然后groupby+nth。这使您可以灵活地选择任意排列的值（通过传递列表）。如果不想重复计算同一个值，请删除重复项。你知道吗

df.sort_values(['rate']).groupby('zipcode').rate.nth([1])
#zipcode
#30165    264.84
#36749    264.84
#Name: rate, dtype: float64

如果需要最小值、第四小值和最大值：

df.sort_values(['rate']).groupby('zipcode').rate.nth([0, 3, -1])
#zipcode
#30165    245.82
#30165    271.77
#30165    344.81
#36749    245.82
#36749    271.77
#36749    305.02
#Name: rate, dtype: float64

超出范围的选择在不存在的组中被忽略：

df.sort_values(['rate']).groupby('zipcode').rate.nth(5)
#zipcode
#30165    323.25
#Name: rate, dtype: float64

冗余选择器不重复计数（6和-1都指30165中的max元素）

df.sort_values(['rate']).groupby('zipcode').rate.nth([6, 6, -1])
#zipcode
#30165    344.81
#36749    305.02
#Name: rate, dtype: float64