Question

我有一个包含三行的DataFrame：单元，影响者和值。有几种不同类型的影响者，其值表示单位的数量。 我想创建一个新表，显示每个影响者的频率最高和频率最低的n个单位及其各自的值。

我的df看起来像这样：

Unit    Influencer    Value
A       foo           321
B       foo           200
C       foo           20
D       foo           12
E       foo           3
A       bar           999
B       bar           209
C       bar           89
D       bar           34
E       bar           15
F       bar           2

我的输出应如下所示（假设我们需要顶部和底部2个单位）：

Unit    Influencer    Value
    A       foo           321
    B       foo           200
    D       foo           12
    E       foo           3
    A       bar           999
    B       bar           209
    E       bar           15
    F       bar           2

我已经尝试过类似找到here的解决方案，但是我收到错误消息“索引包含重复的条目，无法重塑”，我认为这是因为“ Influencer”是我df的索引。如果我的df是multiindex，则创建新的df，但是它是不正确的。

def get_top3(counts, col1, col2):

    top3 = (counts.groupby(col1))[col2].apply(lambda x: x.nlargest(3)).reset_index(level=1, drop=True).to_frame('VAL')

    top3 = counts.set_index(np.arange(len(counts)) % 3, append=True)['value'].unstack().add_prefix('VAL')

    return top3

但是，这会创建一个数据框，如下所示：

VAL1  VAL2  VAL3
321   NaN   NaN
NaN   200   NaN
NaN   NaN   20
12    NaN   NaN
NaN   3     NaN
...

任何建议将不胜感激！我也愿意就如何格式化输出df提出反馈。谢谢！

Answer 1

使用

#df=df.sort_values('Value')
g=df.groupby('Influencer')
pd.concat([g.head(2),g.tail(2)]).sort_index()
Out[693]: 
   Unit Influencer  Value
0     A        foo    321
1     B        foo    200
3     D        foo     12
4     E        foo      3
5     A        bar    999
6     B        bar    209
9     E        bar     15
10    F        bar      2

Answer 2

您可以尝试：

nlargest = df.groupby('Influencer')['Value'].nlargest(2).reset_index()['level_1'].values
nsmallest = df.groupby('Influencer')['Value'].nsmallest(2).reset_index()['level_1'].values

result = pd.concat([df.iloc[nlargest], df.iloc[nsmallest]]).sort_index()
print(result)

输出

   Unit Influencer  Value
0     A        foo    321
1     B        foo    200
3     D        foo     12
4     E        foo      3
5     A        bar    999
6     B        bar    209
9     E        bar     15
10    F        bar      2

Answer 3

尝试创建如下功能：

def selc_df(df, x=2):
    return df.head(x).append(df.tail(x))

selc_df(df,2)

示例：

结果：

>>> def selc_df(df, x=2):
...     return df.head(x).append(df.tail(x))
...

>>> selc_df(df,2)
   A    B
0  1  345
1  2  366
6  5  957
7  6  543

熊猫新数据框显示每组的前N个值和后N个值

3 个答案: