Question

我有以下详细信息bb：

bq_selection_id bq_balance  bq_market_id  bq_back_price
0         45094462     185.04       7278437           1.97
1         45094462     185.04       7278437           1.97
2         45094463     185.04       7278437           3.05
3         45094463     185.04       7278437           3.05
4         45094464     185.04       7278437           5.80
5         45094464     185.04       7278437           5.80
6         45094466     185.04       7278437         200.00
7         45094466     185.04       7278437         200.00
8         45094465     185.04       7278437            NaN
9         45094465     185.04       7278437            NaN

我想按“market_id”进行分组，然后选择前两个最低的“bq_back_price”。我设法用

做到了这一点

bb.groupby('bq_market_id')['bq_back_price'].nsmallest(2)

问题是我遗漏了一些列，例如“bq_selection_id”，“bq_balance”和列“bq_back_price”没有名称。这就是我得到的

bq_market_id   
7278437       0    1.97
7278437       1    1.97

我想得到类似的东西

bq_selection_id bq_balance  bq_market_id  bq_back_price
0         45094462     185.04       7278437           1.97
1         45094462     185.04       7278437           1.97

你能帮我吗？

Answer 1

您可以先在bq_back_price上对值进行排序，然后在每个组中选择head(2)。

In [218]: df.sort_values('bq_back_price').groupby('bq_market_id').head(2)
Out[218]:
   bq_selection_id  bq_balance  bq_market_id  bq_back_price
0         45094462      185.04       7278437           1.97
1         45094462      185.04       7278437           1.97

Answer 2

如何添加新的“排名”列？

bb['rank'] = bb.groupby(['bq_market_id'])['bq_back_price'].rank(ascending=True)

之后，您可以过滤bb以获得最低的2个价格（排名1和2）。

bb[bb['rank'] < 3]

感谢：python pandas rank by column

Answer 3

您可以indexes使用merge：

print bb.groupby('bq_market_id')['bq_back_price'].nsmallest(2).reset_index(level=0, name='bq_back_price')
   bq_market_id  bq_back_price
0       7278437           1.97
1       7278437           1.97

print pd.merge(bb[['bq_selection_id','bq_balance']],
               bb.groupby('bq_market_id')['bq_back_price'].nsmallest(2).reset_index(level=0, name='bq_back_price'),
               left_index=True,
               right_index=True)
   bq_selection_id  bq_balance  bq_market_id  bq_back_price
0         45094462      185.04       7278437           1.97
1         45094462      185.04       7278437           1.97

unutbu删除了不错的答案，但我认为它的答案更好：

result = df.groupby('bq_market_id')['bq_back_price'].nsmallest(2)
idx = result.index.get_level_values(-1)
print(df.loc[idx])

   bq_selection_id  bq_balance  bq_market_id  bq_back_price
0         45094462      185.04       7278437           1.97
1         45094462      185.04       7278437           1.97

Python pandas dataframe groupby选择列

3 个答案: