pandas 集团以最大的总和 [英] Pandas groupby nlargest sum

问题描述

我尝试使用 groupby ， nlargest 和 sum 在Pandas中一起工作，但无法使其工作。

 州县人口
阿拉巴马a 100 
阿拉巴马州b 50 
阿拉巴马州c 40 
阿拉巴马州d 5 
阿拉巴马州e 1 
 ... 
怀俄明州a.51 180 
怀俄明州b.51 150 
怀俄明州c.51 56 
 Wyoming d.51 5 
  

我想用 groupby 按州选择，然后按人口排列前2个县。然后只用那3个县的人口数来得到该州的总和。

最后，我会列出一份将拥有州和人口（排名前2的县）的名单。

我可以得到 groupby 和 nlargest ，但获得 nlargest（2）的总和是一个挑战。

我现在所在的行很简单： df.groupby（'State'）['Population']。nlargest（2） code>

解决方案

执行完毕后，您可以使用 apply groupby ：

  df.groupby（'State'）['人口'] .apply（lambda grp：grp.nlargest（2）.sum（））
  

我认为你遇到的问题是 df.groupby（'State'）['Population']。nlargest（2）会返回一个DataFrame，所以你不能再做组级操作。一般来说，如果你想在一个组中执行多个操作，你需要使用 apply / agg 。

结果输出：

 州
阿拉巴马州150 
 Wyoming 330 
  

编辑

一个稍微简洁的方法，如@cᴏʟᴅsᴘᴇᴇᴅ所示：

  df.groupby（'State' ）['Population']。nlargest（2）.sum（level = 0）
  

虽然比使用应用在较大的DataFrame上慢很多。

使用以下设置：

 将numpy作为np 
导入pandas作为pd 
从字符串导入ascii_letters 
 
n = 10 ** 6 
 df = pd.DataFrame（{'A'：np.random.choice（list（ascii_letters），size = n），
'B'：np.random.randint（10 ** 7，size = 
 
 
 
 
 $ b 
我得到以下时间点：$ b​​ 
 $ b 
 在[3]中：％timeit df.groupby（'A'）['B']。apply（lambda grp：grp.nlargest（2）.sum（））
 103 ms±每回路1.08毫秒（平均值±标准差。开发。 7个运行，每个10个循环）
 
在[4]中：％timeit df.groupby（'A'）['B']。nlargest（2）.sum（level = 0）
每个循环147毫秒±3.38毫秒（平均值±标准差7次，每次循环10次）
  
 
 
  sum 执行第二个级别 kwarg可能会导致性能下降。 groupby 隐藏。
 
I am trying to use groupby, nlargest, and sum functions in Pandas together, but having trouble making it work. 
State    County    Population
Alabama  a         100
Alabama  b         50
Alabama  c         40
Alabama  d         5
Alabama  e         1
...
Wyoming  a.51      180
Wyoming  b.51      150
Wyoming  c.51      56
Wyoming  d.51      5
I want to use groupby to select by state, then get the top 2 counties by population. Then use only those top 3 county population numbers to get a sum for that state. 

In the end, I'll have a list that will have the state and the population (of it's top 2 counties). 

I can get the groupby and nlargest to work, but getting the sum of the nlargest(2) is a challenge. 

The line I have right now is simply: df.groupby('State')['Population'].nlargest(2)
解决方案
You can use apply after performing the groupby:
df.groupby('State')['Population'].apply(lambda grp: grp.nlargest(2).sum())
I think this issue you're having is that df.groupby('State')['Population'].nlargest(2) will return a DataFrame, so you can no longer do group level operations.  In general, if you want to perform multiple operations in a group, you'll need to use apply/agg.

The resulting output:
State
Alabama    150
Wyoming    330
EDIT

A slightly cleaner approach, as suggested by @cᴏʟᴅsᴘᴇᴇᴅ:
df.groupby('State')['Population'].nlargest(2).sum(level=0)
This is slightly slower than using apply on larger DataFrames though.

Using the following setup:
import numpy as np
import pandas as pd
from string import ascii_letters

n = 10**6
df = pd.DataFrame({'A': np.random.choice(list(ascii_letters), size=n),
                   'B': np.random.randint(10**7, size=n)})
I get the following timings:
In [3]: %timeit df.groupby('A')['B'].apply(lambda grp: grp.nlargest(2).sum())
103 ms ± 1.08 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [4]: %timeit df.groupby('A')['B'].nlargest(2).sum(level=0)
147 ms ± 3.38 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
The slower performance is potentially caused by the level kwarg in sum performing a second groupby under the hood.

                        
这篇关于 pandas 集团以最大的总和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！