熊猫在每个组中获得最高的 n 记录

新手上路,请多包涵

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

阅读 245
2 个回答

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

从 0.14.1 开始,您现在可以在 groupby 对象上执行 nlargestnsmallest

 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 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 SeriesSeriesGroupBy 。)

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

撰写回答
你尚未登录,登录后可以
  • 和开发者交流问题的细节
  • 关注并接收问题和回答的更新提醒
  • 参与内容的编辑和改进,让解决方法与时俱进
推荐问题