Question

我有这个数据集：

Id   query  count
001  abc    20
001  bcd    30
001  ccd   100
002  ace   13
002  ahhd   30
002  ahe    28

我想根据计数找到每个Id的Top2查询。所以我想看看：

Id   query  count
001  ccd    100
001  bcd    30
002  ahhd   30
002  ahe    28

我尝试了这两行代码：

df.groupby('Id')['count'].nlargest(2)，＆＃34;查询＆＃34;列在结果中丢失，这不是我想要的。那么如何在我的结果中保持查询。 Id计数

001     100
001     30
002     30
002     28

Answer 1

使用缺失列的set_index：

df = df.set_index('query').groupby('Id')['count'].nlargest(2).reset_index()
print (df)
    Id query  count
0  001   ccd    100
1  001   bcd     30
2  002  ahhd     30
3  002   ahe     28

Answer 2

我使用方法groupby apply和pd.DataFrame.nlargest。这与pd.Series.nlargest的不同之处在于，我必须在选择n行时指定要考虑的一组列。此解决方案保留附加到行的原始索引值，如果这对OP或最终用户来说非常重要。

df.groupby('Id', group_keys=False).apply(
    pd.DataFrame.nlargest, n=2, columns='count')

   Id query  count
2   1   ccd    100
1   1   bcd     30
4   2  ahhd     30
5   2   ahe     28

Answer 3

您可以使用groupby执行此操作：

df.sort_values('count', ascending = False).groupby('Id').head(2)

大熊猫遗失了一栏

3 个答案: