Question

在这样的熊猫数据框中：

     year      month  passengers
0    1949    January         112
1    1949   February         118
2    1949      March         132
3    1949      April         129
4    1949        May         121
5    1949       June         135
.
.
.
137  1960       June         535
138  1960       July         622
139  1960     August         606
140  1960  September         508
141  1960    October         461
142  1960   November         390
143  1960   December         432

如何将每年最多乘客的3个月作为子集（并进行计算）？

可以从一个海洋数据集中复制完全相同的数据框：

import pandas as pd
import seaborn as sns

df = sns.load_dataset('flights')
df

这是我尝试过的方法：

根据this post的评论中的一个建议，我发现在为数据框重新索引后，可以使用nlargest()来对数据框进行子集化：

df = df.set_index(['year', 'month'])
df2 = df.groupby(level=0)['passengers'].nlargest(3)
df2

输出：

year  year  month    
1949  1949  July         148
            August       148
            September    136
1950  1950  July         170
            August       170

但是由于某种原因，year index被复制了，我仍然必须重新编制索引，按年份对数据框进行分组，并对结果求和。这已经开始变得凌乱，所以没有更好的方法吗？

以下是完整的内容，可轻松进行复制粘贴：

import pandas as pd
import seaborn as sns
df = sns.load_dataset('flights')
df = df.set_index(['year', 'month'])
df2 = df.groupby(level=0)['passengers'].nlargest(3)

这是所需输出的形状：

# Sum of top 3 months for each year (no index other than default pandas dataframe index)

    year    sum
0   1949    600 (the sum is made up)
1   1950    600
.
.
.
10  1960    600

谢谢您的任何建议！

编辑：系统信息：

Python 3.6.0

熊猫0.19.2

Windows 7

Answer 1

我认为需要GroupBy.apply，Series.nlargest和sum：

df = sns.load_dataset('flights')
df2 = df.groupby('year')['passengers'].apply(lambda x: x.nlargest(3).sum()).reset_index()
print (df2)
    year  passengers
0   1949         432
1   1950         498
2   1951         582
3   1952         690
4   1953         779
5   1954         859
6   1955        1026
7   1956        1192
8   1957        1354
9   1958        1431
10  1959        1579
11  1960        1763

熊猫：如何对子类别中的前N个观测值进行子集（和求和）？

1 个答案: