如何按SalesPerson分组对Transactiontime升序排名并添加至DataFrame新列

步骤说明 #

1. 先将字符串格式的Transactiontime转换为datetime类型，确保时间排序逻辑正确。
2. 按SalesPerson分组，对组内的Transactiontime进行升序排名，生成整数类型的Rank列。

完整代码 #

import pandas as pd

# 初始化示例数据
dfxx = pd.DataFrame([['2022-02-09 14:00:22', 'A',''], ['2021-10-03 16:58:07', 'B',''], ['2022-01-31 12:24:12', 'X',''],
                     ['2022-01-31 12:24:18', 'X',''], ['2022-01-31 12:24:15', 'X',''], ['2021-10-03 16:58:09', 'B','']], columns=['Transactiontime', 'SalesPerson','Rank'])

# 转换时间列为datetime类型
dfxx['Transactiontime'] = pd.to_datetime(dfxx['Transactiontime'])

# 分组计算排名
dfxx['Rank'] = dfxx.groupby('SalesPerson')['Transactiontime'].rank(ascending=True, method='first').astype(int)

# 输出结果
print(dfxx)

运行结果 #

代码细节解释 #

• pd.to_datetime()：将字符串时间转为datetime对象，是正确排序和排名的前提。
• groupby('SalesPerson')：限定排名在每个销售人员的组内独立计算，避免跨组干扰。
• rank(ascending=True, method='first')：
  • ascending=True：按时间升序排名，更早的交易排名更靠前。
  • method='first'：若存在相同时间的交易，按数据中的原始出现顺序分配排名（确保排名唯一）。
• astype(int)：将排名结果从浮点数转为整数，匹配示例中的格式要求。

内容的提问来源于stack exchange，提问作者j_90