Pandas: ERROR: en _nsorted para marco con índice de valores duplicados
La función siguiente se ha implementado incorrectamente. Si el marco tiene un índice con valores duplicados, obtendrá un resultado con más de n filas y no ordenadas correctamente. Entonces nsmallest y nlargest para DataFrame no devuelven un marco correcto en este caso particular.
def _nsorted(self, columns, n, method, keep):
if not com.is_list_like(columns):
columns = [columns]
columns = list(columns)
ser = getattr(self[columns[0]], method)(n, keep=keep)
ascending = dict(nlargest=False, nsmallest=True)[method]
return self.loc[ser.index].sort_values(columns, ascending=ascending,
kind='mergesort')
Tux1
Todos 5 comentarios
Por supuesto:
In [71]: df = pd.DataFrame({'a':[1,2,3,4], 'b':[4,3,2,1]}, index=[0,0,1,1])
In [72]: df.nlargest(1, 'a')
Out[72]:
a b
1 4 1
1 3 2
In [73]: df.nlargest(2, 'a')
Out[73]:
a b
1 4 1
1 4 1
1 3 2
1 3 2
( Nota al margen de
¿Interesado en hacer un PR para solucionar este problema?
jorisvandenbossche
en 9 jun. 2016
Sí, lo arreglaré pronto
Perdón por el ejemplo
Le 9 juin 2016 à 23:30, Joris Van den Bossche [email protected] a écrit:
Por supuesto:
En [71]: df = pd.DataFrame ({'a': [1,2,3,4], 'b': [4,3,2,1]}, index = [0,0,1, 1])
En [72]: df.nlargest (1, 'a')
Fuera [72]:
ab
1 4 1
1 3 2En [73]: df.nlargest (2, 'a')
Fuera [73]:
ab
1 4 1
1 4 1
1 3 2
1 3 2
( Nota al margen de
¿Interesado en hacer un PR para solucionar este problema?-
Recibes esto porque te mencionaron.
Responda a este correo electrónico directamente, véalo en GitHub o silencie el hilo.
Tux1
en 10 jun. 2016
mi solución no es muy elegante, pero no veo ninguna otra solución para lidiar con MultiIndex y el índice de valor duplicado
Tux1
en 12 jun. 2016
La suma parece funcionar bien en .19.2 Pero con el recuento, no parece tener sentido. El gl se repite tantas veces como la "n". ¿Es un error o estoy haciendo algo mal?
df.groupby(['a']).agg({'b':'count'}).nlargest(2, 'b')
b
a
1 1
2 1
3 1
4 1
1 1
2 1
3 1
4 1
jetpackdata
en 13 mar. 2017
@shankararul ver: https://github.com/pandas-dev/pandas/issues/15297
jreback
en 13 mar. 2017
Temas relacionados
andreas-thomik
·
3Comentarios
matthiasroder
·
3Comentarios
MatzeB
·
3Comentarios
swails
·
3Comentarios
idanivanov
·
3Comentarios
Comentario más útil
@shankararul ver: https://github.com/pandas-dev/pandas/issues/15297