基于自定义优先级层级的Pandas DataFrame排序与提取
实现方案
整体逻辑很直接,按三步处理即可:
- 把自定义的样式优先级转换成可排序的数值:严格遵循规则
pack=1(最高优先级,数值越小排序越靠前)、cup=2、box=3(最低优先级) - 给原DataFrame临时加一列优先级值,用于后续排序筛选,不改动原有业务字段
- 按品牌分组,每组取优先级最高的单条记录;如果同优先级有多条并列记录,通过预打乱行顺序实现随机选取,设置固定随机种子可保证结果可复现
完整可运行代码
import pandas as pd # 构建题目给定的测试DataFrame df = pd.DataFrame({ 'brand': ['Yum_Yum', 'Yum_Yum', 'Indomie', 'Indomie', 'Indomie', 'Boom_Boom', 'Boom_Boom'], 'style': ['cup', 'box', 'cup', 'pack', 'pack', 'pack', 'pack'], 'rating': [4, 4, 3.5, 15, 5, 2.3, 0] }) # 自定义优先级映射字典 style_priority = { 'pack': 1, 'cup': 2, 'box': 3 } # 为每条记录匹配对应的优先级值,生成临时列 df['priority'] = df['style'].map(style_priority) result = ( df # 打乱全表行顺序,实现同优先级时随机选记录的效果,固定random_state可复现结果 .sample(frac=1, random_state=42) # 按优先级从小到大排序,高优先级记录自动排到每组最前面 .sort_values('priority') # 按品牌分组,每组取排序后的第一条记录 .groupby('brand', as_index=False) .first() # 删掉临时生成的优先级列,保留原有业务字段 .drop(columns='priority') )
注意事项
- 如果不需要随机选取同优先级记录,希望保留原数据顺序下的第一条,直接删掉代码里的
.sample(frac=1, random_state=42)这行即可 - 题目给出的输出为格式参考示例,实际运行时Boom_Boom品牌没有box样式的记录,会从两条pack的同优先级记录中随机选一条,完全符合规则要求;如果需要匹配示例中box为最高优先级的效果,只需要调整映射字典里的数值即可
- 也可以用另一种更简洁的筛选逻辑实现:先计算每个品牌组内的最小优先级值,再筛选出每组里优先级等于这个最小值的记录,同优先级的记录再做去重选取即可,核心逻辑和上面的方案完全一致
内容的提问来源于stack exchange,提问作者Jonathan
相关产品推荐
相关产品推荐

