Pythonでの表の作成について

Question

私はあるjsonファイルを使用しています。
私のjsonファイルはワインについてのレビューについてのデータで、多くの種類のワインのレビューについてリストとして記載されています。行には”country”,"variety", "price", "point", "description"などの項目があります。
また、ワインの種類に関しては”variety”の列に記載されております。

'https://github.com/tulip-lab/sit742/raw/master/Assessment/2019/data/wine.json'
こちらが私が使用してるjsonファイルです。

groupby()を使用して私のjsonファイルにおいて、
私はまず、
”country”ごとに
それぞれの国で最もレビューを受けとったワインの種類、
それぞれの国での”point”の平均値
それぞれの国での”price”の平均値
に関する表を作りたいと考えており、

”country”ごとの
それぞれの国での”point”の平均値
それぞれの国での”price”の平均値
に関する表の作り方に関しては
df.groupby(['country']).agg({'price':['mean'], 'points':['mean']})によって作成できることを
他の方に教えて頂き、
作成できたのですが、
その表に更に
”country”ごとに
最も一番レビューを受けとったワインの種類の列を追加した表を作成したいと考えているのですが
その作成するためのコードがわかりません。

なので、分かる方いらっしゃいましたら、よろしくお願いいたします。

Answer 1

http://teratail.com/questions/181382
にも書いておりますが、まず 国、銘柄毎に point,price 列の最大・平均．最小の値を求める方法は Groupby.agg() を使って

df.groupby(['country','variety']).agg({'price':['min','mean','max'], 'points':['min','mean','max']})

となり、これと同時に descriptionの数をカウントするためには、

tmp_df = df.groupby(['country','variety']).agg({'price':['min','mean','max'], 'points':['min','mean','max'],'description':'count'})

とでもすると良いわけです。

あとは上記の DataFrame から 国ごとに description の数が最大な行を抜き出すとよいわけですが、
これは上記のデータフレーム(tmp_df) に対して再度、国ごとに groupby() を使って行うことができます。

具体的なコードをわかりやすく　for文を使って書くと

# 国毎に選択された銘柄の行を格納するリスト
dfs = []
# groupby() によって国毎のデータでループ
for country, data in tmp_df.groupby('country'):
    # description数が最大な行のIndexを求める
    idx = data[('description','count')].idxmax()
    # 上の行をリストに格納
    dfs.append(tmp_df.loc[[idx]])
# リスト内のデータを結合してデータフレームを再構築
result = pd.concat(dfs)

となるかと思います。

Answer 2

レビューにあたる列がどれか分かりませんでしたので、reviewとさせていただきましたが、以下のような集計処理でよろしかったでしょうか。

df["rank"]=df.groupby("country")["review"].rank(ascending=True,method="first")