通常建议不要使用大熊猫。我在这里遇到一种情况,我想知道是否有比应用选项更有效的替代方法。
abbr
我希望每年获得前2个值。
university
还有其他选择吗?无论是更长的代码行还是其他任何内容!
答案 0 :(得分:4)
sort_values
与tail
的作用
df.sort_values('value').groupby('year').tail(2) # when need continue position
Out[199]:
year item value
1 1990 b 200
2 1990 c 300
5 1992 f 600
6 1992 g 700
8 1993 i 900
9 1993 j 990
或
df.sort_values('value').groupby('year',as_index=False).nth([-2,-1])#more flexible you can pick 1,-1
Out[202]:
year item value
1 1990 b 200
2 1990 c 300
5 1992 f 600
6 1992 g 700
8 1993 i 900
9 1993 j 990
计时
%timeit df.sort_values('value').groupby('year').tail(2)
1000 loops, best of 3: 894 µs per loop
%timeit df.groupby('year')['value'].apply(lambda x: x.nlargest(2)).reset_index()
100 loops, best of 3: 2.76 ms per loop
答案 1 :(得分:0)
当我们有NaN时
import numpy as np
import pandas as pd
df = pd.DataFrame({'item': list('abcdefghijk'),
'year': [1990,1990,1990,1992,1992,1992,1992,1993,1993,1993,1993],
'value':[10 , 11 ,12 ,20 ,21 ,22 ,23 ,30 ,31 ,32 ,np.nan]})
print(df)
item year value
0 a 1990 10.0
1 b 1990 11.0
2 c 1990 12.0
3 d 1992 20.0
4 e 1992 21.0
5 f 1992 22.0
6 g 1992 23.0
7 h 1993 30.0
8 i 1993 31.0
9 j 1993 32.0
10 k 1993 NaN
top2 = df.groupby('year')['value'].apply(lambda x: x.nlargest(2)).reset_index(level=0)
print(df.loc[top2.index])
# time: 2.96ms
item year value
2 c 1990 12.0
1 b 1990 11.0
6 g 1992 23.0
5 f 1992 22.0
9 j 1993 32.0
8 i 1993 31.0
print(df.dropna(subset=['value']).sort_values('value').groupby('year').tail(2))
# time: 2.01ms
item year value
1 b 1990 11.0
2 c 1990 12.0
5 f 1992 22.0
6 g 1992 23.0
8 i 1993 31.0
9 j 1993 32.0