Question

这是我的pandas.DataFrame：

import pandas as pd
data = pd.DataFrame({
  'first': [40, 32, 56, 12, 89],
  'second': [13, 45, 76, 19, 45],
  'third': [98, 56, 87, 12, 67]
}, index = ['first', 'second', 'third', 'fourth', 'fifth'])

我想创建一个新的DataFrame，其中包含data DataFrame每列的前3个值。

这是预期的输出：

   first  second  third
0     89      76     98
1     56      45     87
2     40      45     67

我该怎么做？

Answer 1

创建一个函数以返回系列的前三个值：

def sorted(s, num):
    tmp = s.sort_values(ascending=False)[:num]  # earlier s.order(..)
    tmp.index = range(num)
    return tmp

将其应用于您的数据集：

In [1]: data.apply(lambda x: sorted(x, 3))
Out[1]:
   first  second  third
0     89      76     98
1     56      45     87
2     40      45     67

Answer 2

使用numpy，您可以按照以下列获取前三个值的数组：

>>> import numpy as np
>>> col_ind = np.argsort(data.values, axis=0)[::-1,:]
>>> ind_to_take = col_ind[:3,:] + np.arange(data.shape[1])*data.shape[0]
>>> np.take(data.values.T, ind_to_take)
array([[89, 76, 98],
       [56, 45, 87],
       [40, 45, 67]], dtype=int64)

您可以转换回DataFrame：

>>> pd.DataFrame(_, columns = data.columns, index=data.index[:3])
       first  second  third
One       89      76     98
Two       56      45     87
Three     40      45     67

Answer 3

其他解决方案（在撰写本文时），对每列的超线性复杂度的DataFrame进行排序，但实际上可以使用每列的线性时间来完成。

首先，numpy.partition在 k 的第一个位置划分 k 最小元素（否则未分类）。要获得 k 最大的元素，我们可以使用

import numpy as np -np.partition(-v, k)[: k]

将此与字典理解相结合，我们可以使用：

>>> pd.DataFrame({c: -np.partition(-data[c], 3)[: 3] for c in data.columns}) first second third 0 89 76 98 1 56 45 87 2 40 45 67

Answer 4

替代熊猫解决方案：

In [6]: N = 3

In [7]: pd.DataFrame([df[c].nlargest(N).values.tolist() for c in df.columns],
   ...:              index=df.columns,
   ...:              columns=['{}_largest'.format(i) for i in range(1, N+1)]).T
   ...:
Out[7]:
           first  second  third
1_largest     89      76     98
2_largest     56      45     87
3_largest     40      45     67

Answer 5

使用nlargest之类的

In [1594]: pd.DataFrame({c: data[c].nlargest(3).values for c in data})
Out[1594]:
   first  second  third
0     89      76     98
1     56      45     87
2     40      45     67

<子>，其中

In [1603]: data
Out[1603]:
        first  second  third
first      40      13     98
second     32      45     56
third      56      76     87
fourth     12      19     12
fifth      89      45     67

从pandas.DataFrame的每列中获取最大值

5 个答案: