Question

在进行了一些转换后，我得到了以下dataframe，如何在这种情况下按列short_name继续获取前n条记录，并使用其他作为指标frequency。我读了这个post，但两个解决方案的问题在于它们摆脱了列product_name，它们只保留了分组列，我需要保留它们。

short_name          product_id    frequency
Yoghurt y cereales  975009684     32
Yoghurt y cereales  975009685     21
Yoghurt y cereales  975009700     16
Yoghurt y Cereales  21097         16
Yoghurt Bebible     21329         68
Yoghurt Bebible     21328         67
Yoghurt Bebible     21500         31

Answer 1

您可以先对数据框进行排序，然后使用groupby：

df.sort_values('frequency', ascending=False).groupby('short_name').head(2)
Out[28]: 
           short_name  product_id  frequency
4     Yoghurt Bebible       21329         68
5     Yoghurt Bebible       21328         67
0  Yoghurt y cereales   975009684         32
1  Yoghurt y cereales   975009685         21
3  Yoghurt y Cereales       21097         16

Answer 2

我尝试使用nlargest方法：

In [5]: df.groupby('short_name', as_index=False).apply(lambda x: x.nlargest(2, 'frequency'))
Out[5]:
             short_name  product_id  frequency
0 4     Yoghurt Bebible       21329         68
  5     Yoghurt Bebible       21328         67
1 3  Yoghurt y Cereales       21097         16
2 0  Yoghurt y cereales   975009684         32
  1  Yoghurt y cereales   975009685         21

Answer 3

你可以试试这个：

df.groupby('short_name', as_index=False).apply(lambda x: x.sort_values(by='frequency',ascending=False).head(2)).reset_index(drop=True)

输出：

           short_name  product_id  frequency
0     Yoghurt Bebible       21329         68
1     Yoghurt Bebible       21328         67
2  Yoghurt y Cereales       21097         16
3  Yoghurt y cereales   975009684         32
4  Yoghurt y cereales   975009685         21

Answer 4

如果我在正常情况下正确理解您的问题，则无需使用.apply。这是我要避免的，除非由于性能问题而没有其他选择。

试试这个：

df.sort_values(by='frequency',ascending=False).groupby('short_name').head(2).reset_index()

Answer 5

df.groupby('short_name').nlargest(2, 'frequency').reset_index()

在保留所有列的pandas中获取每个类别的前n个值

5 个答案: