Pandas 获得每组中最高的 n 条记录 [英] Pandas get topmost n records within each group
问题描述
假设我有这样的 Pandas DataFrame:
<预><代码>>>>df = pd.DataFrame({'id':[1,1,1,2,2,2,2,3,4],'value':[1,2,3,1,2,3,4,1,1]})>>>dfid值0 1 11 1 22 1 33 2 14 2 25 2 36 2 47 3 18 4 1我想获得一个新的 DataFrame,每个 id 都有前 2 条记录,如下所示:
id 值0 1 11 1 23 2 14 2 27 3 18 4 1
我可以通过以下方式在一组又一组的编号记录中做到这一点:
<预><代码>>>>dfN = df.groupby('id').apply(lambda x:x['value'].reset_index()).reset_index()>>>DFNid level_1 索引值0 1 0 0 11 1 1 1 22 1 2 2 33 2 0 3 14 2 1 4 25 2 2 5 36 2 3 6 47 3 0 7 18 4 0 8 1>>>dfN[dfN['level_1'] <= 1][['id', 'value']]id值0 1 11 1 23 2 14 2 27 3 18 4 1但是有没有更有效/更优雅的方法来做到这一点?并且还有更优雅的方法来对每个组中的记录进行编号(例如 SQL 窗口函数 row_number()).
你尝试了吗 df.groupby('id').head(2)
输出生成:
<预><代码>>>>df.groupby('id').head(2)id值ID1 0 1 11 1 22 3 2 14 2 23 7 3 14 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)
如提问者所述,使用 df.groupby('id').head(2).reset_index(drop=True)
删除多重索引并将结果展平.><预><代码>>>>df.groupby('id').head(2).reset_index(drop=True)id值0 1 11 1 22 2 13 2 24 3 15 4 1
Suppose I have pandas DataFrame like this:
>>> df = pd.DataFrame({'id':[1,1,1,2,2,2,2,3,4],'value':[1,2,3,1,2,3,4,1,1]})
>>> df
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
I want to get a new DataFrame with top 2 records for each id, like this:
id value
0 1 1
1 1 2
3 2 1
4 2 2
7 3 1
8 4 1
I can do it with numbering records within group after group by:
>>> dfN = df.groupby('id').apply(lambda x:x['value'].reset_index()).reset_index()
>>> dfN
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
>>> dfN[dfN['level_1'] <= 1][['id', 'value']]
id value
0 1 1
1 1 2
3 2 1
4 2 2
7 3 1
8 4 1
But is there more effective/elegant approach to do this? And also is there more elegant approach to number records within each group (like SQL window function row_number()).
Did you try df.groupby('id').head(2)
Ouput generated:
>>> df.groupby('id').head(2)
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
(Keep in mind that you might need to order/sort before, depending on your data)
EDIT: As mentioned by the questioner, use df.groupby('id').head(2).reset_index(drop=True)
to remove the multindex and flatten the results.
>>> df.groupby('id').head(2).reset_index(drop=True)
id value
0 1 1
1 1 2
2 2 1
3 2 2
4 3 1
5 4 1
这篇关于Pandas 获得每组中最高的 n 条记录的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持IT屋!