熊猫在每个组中获得最高的 n 记录

Question

假设我有这样的 pandas DataFrame：

 df = pd.DataFrame({'id':[1,1,1,2,2,2,2,3,4], 'value':[1,2,3,1,2,3,4,1,1]})

看起来像：

    id  value
0   1      1
1   1      2
2   1      3
3   2      1
4   2      2
5   2      3
6   2      4
7   3      1
8   4      1

我想为每个 ID 获取一个包含前 2 条记录的新 DataFrame，如下所示：

    id  value
0   1      1
1   1      2
3   2      1
4   2      2
7   3      1
8   4      1

我可以在 groupby 之后用组内的编号记录来做到这一点：

 dfN = df.groupby('id').apply(lambda x:x['value'].reset_index()).reset_index()

看起来像：

    id  level_1  index  value
0   1        0      0      1
1   1        1      1      2
2   1        2      2      3
3   2        0      3      1
4   2        1      4      2
5   2        2      5      3
6   2        3      6      4
7   3        0      7      1
8   4        0      8      1

然后对于所需的输出：

 dfN[dfN['level_1'] <= 1][['id', 'value']]

输出：

    id  value
0   1      1
1   1      2
3   2      1
4   2      2
7   3      1
8   4      1

但是有没有更有效/优雅的方法来做到这一点？还有更优雅的方法来处理每个组中的数字记录（如 SQL 窗口函数 row_number() ）。

原文由 Roman Pekar 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

你试过了吗

df.groupby('id').head(2)

产生的输出：

        id  value
id
1  0   1      1
   1   1      2
2  3   2      1
   4   2      2
3  7   3      1
4  8   4      1

（请记住，您可能需要先排序/排序，具体取决于您的数据）

编辑：正如提问者所提到的，使用

df.groupby('id').head(2).reset_index(drop=True)

删除 MultiIndex 并展平结果：

     id  value
0   1      1
1   1      2
2   2      1
3   2      2
4   3      1
5   4      1

原文由 dorvak 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

从 0.14.1 开始，您现在可以在 groupby 对象上执行 nlargest 和 nsmallest ：

 In [23]: df.groupby('id')['value'].nlargest(2)
Out[23]:
id
1   2    3
    1    2
2   6    4
    5    3
3   7    1
4   8    1
dtype: int64

有点奇怪的是你也在那里得到了原始索引，但这可能真的很有用，这取决于你的原始索引 是 什么。

如果你对它不感兴趣，你可以做 .reset_index(level=1, drop=True) 来完全摆脱它。

（注意： 从 0.17.1 开始，您也可以在 DataFrameGroupBy 上执行此操作，但目前它仅适用于 Series 和 SeriesGroupBy 。）

原文由 LondonRob 发布，翻译遵循 CC BY-SA 3.0 许可协议