¿Cómo ordenar el marco de datos de Pandas agrupados por tamaño de grupo?

En este artículo, discutiremos cómo ordenar datos agrupados según el tamaño del grupo en Pandas.

Funciones utilizadas

Aquí pasaremos las entradas a través de la lista como una estructura de datos de diccionario.

• groupby(): groupby() se utiliza para agrupar los datos en función de los valores de la columna.
• size(): Esto se usa para obtener el tamaño del marco de datos.
• sort_values(): esta función ordena un marco de datos en orden ascendente o descendente de la columna pasada.

La tarea es sencilla, para un marco de datos dado, primero debemos agrupar por cualquier columna según el requisito y luego organizar los valores agrupados de la columna según su tamaño. Por tamaño aquí nos referimos a cuántas veces ha aparecido un valor en una columna o su frecuencia.

Ejemplo 1:

# importing pandas module for dataframe
import pandas as pd
  
# creating a dataframe with student
# name and subject
  
dataframe1 = pd.DataFrame({'student_name': ['bobby', 'ojaswi', 'gnanesh',
                                            'rohith', 'karthik', 'sudheer',
                                            'vani'],
                             
                           'subjects': ['dbms', 'python', 'dbms', 'oops',
                                        'oops', 'oops', 'dbms']})
  
# display dataframe
print(dataframe1)
  
# group the data  on subjects column based on
# size and sort in descending order
a = dataframe1.groupby('subjects').size().sort_values(ascending=False)
  
# group the data  on subjects column based on 
# size and sort in ascending order
b = dataframe1.groupby('subjects').size().sort_values(ascending=True)
  
print(a, b)

Producción:

Ejemplo 2:

# importing pandas module for dataframe
import pandas as pd
  
# creating a dataframe with student name
# , subject and address
dataframe1 = pd.DataFrame({'student_name': ['bobby', 'ojaswi', 'gnanesh',
                                            'rohith', 'karthik', 'sudheer',
                                            'vani'],
                           'subjects': ['dbms', 'python', 'dbms', 'oops', 
                                        'oops', 'oops', 'dbms'],
                             
                           'address': ['ponnur', 'ponnur', 'hyd', 'tenali',
                                       'tenali', 'hyd', 'patna']})
  
# display dataframe
print(dataframe1)
  
# group the data  on address column based  
# on size and sort in descending order
a = dataframe1.groupby('address').size().sort_values(ascending=False)
  
# group the data  on address column based 
# on size and sort in ascending order
b = dataframe1.groupby('address').size().sort_values(ascending=True)
  
print(a, b)

Producción:

También podemos agrupar las múltiples columnas. La sintaxis sigue siendo la misma, pero necesitamos pasar las columnas múltiples en una lista y pasar la lista en groupby()

Sintaxis:

dataframe.groupby([columna1,columna2,.columna n]).size().sort_values(ascending=True)

Ejemplo 3:

# importing pandas module for dataframe
import pandas as pd
  
# creating a dataframe with student
# name , subject and address
dataframe1 = pd.DataFrame({'student_name': ['bobby', 'ojaswi', 'gnanesh',
                                            'rohith', 'karthik', 'sudheer',
                                            'vani'],
                             
                           'subjects': ['dbms', 'python', 'dbms', 'oops',
                                        'oops', 'oops', 'dbms'],
                             
                           'address': ['ponnur', 'ponnur', 'hyd', 'tenali',
                                       'tenali', 'hyd', 'patna']})
  
# display dataframe
print(dataframe1)
  
# group the data  on address and subjects
# column based on size and sort in descending
# order
a = dataframe1.groupby(['address', 'subjects']
                       ).size().sort_values(ascending=False)
  
# group the data  on address and subjects
# column based on size and sort in ascending
# order
b = dataframe1.groupby(['address', 'subjects']
                       ).size().sort_values(ascending=True)
  
print(a, b)

Producción: