如何在Python中升级分组聚合函数，统计分组数据出现次数并排序

原始数据 #

data = {
    'A': ['2023-07-01'] * 6 + ['2023-07-02'] * 5,
    'data1': ['abnormal'] * 11,
    'data2': ['X', 'X', 'X', 'Y', 'Y', 'Z', 'X', 'Y', 'Z', 'Z', 'A'],
    'Data3': [10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110],
    'Data4': ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k']
}

现有聚合代码 #

已通过groupby('A')实现记录计数、去重计数和去重排序值，代码如下：

import pandas as pd

def create_set_ori(x):
    return sorted(set(x))

df = pd.DataFrame(data)
result = df.groupby(['A']).agg({
    'data1': 'count',
    'data2': [pd.Series.nunique, create_set_ori]
}).reset_index()

result.columns = ['_'.join(col).strip() for col in result.columns.values]

需求升级 #

希望修改create_set_ori函数，使其统计data2中各值的出现次数，返回形如(data2值, 出现次数)的元组列表，并按出现次数降序排序；若次数相同，则按值升序排序，最终得到如下结果：

修改create_set_ori函数，利用pandas.Series.value_counts()统计频次，再通过排序和类型转换得到目标格式：

import pandas as pd

def create_set_ori(x):
    # 先按出现次数降序，次数相同则按值升序排序
    count_result = x.value_counts().sort_values(ascending=[False, True])
    # 将索引（data2值）和频次值打包成元组列表
    return list(zip(count_result.index, count_result.values))

df = pd.DataFrame(data)
result = df.groupby(['A']).agg({
    'data1': 'count',
    'data2': [pd.Series.nunique, create_set_ori]
}).reset_index()

result.columns = ['_'.join(col).strip() for col in result.columns.values]

# 输出结果
print(result)

运行结果 #

执行上述代码后，输出结果如下：

A  data1_count  data2_nunique               data2_create_set
0  2023-07-01            6              3        [(X, 3), (Y, 2), (Z, 1)]
1  2023-07-02            5              4  [(Z, 2), (X, 1), (Y, 1), (A, 1)]

内容的提问来源于stack exchange，提问作者Krit Pattamadit