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()).

解决方案

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()).

解决方案

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！