如何通过分组返回前N％的Pandas DataFrame？

Question

我有一个数据帧df，如下所示：

Customer   Revenue  Products  Cluster
Jon         100         5        A
Janet       225         12       C
Jim         75          2        B
Stacy       95          4        A
John        125         5        B
Bob         325         20       C
Megan       75          2        A
Stacy       95          4        A

以此类推获得10万条记录。

我试图返回按集群分组的收入客户中收入最高的2％。 我知道这是行不通的，但我认为它可以大致了解我要执行的操作：

df.groupby('cluster').len(df['cluster'])/100 <= .2

尝试按收入（按集群）获取前2％的客户的数据框。

Answer 1

IIUC，看来您可以使用GroupBy.quantile，然后对结果进行过滤：

# "Cluster" is the grouper, and
# "Revenue" is the column to calculate the quantile on. 
df[df['Revenue'] >= df.groupby('Cluster')['Revenue'].transform('quantile', 0.98)]

  Customer  Revenue  Products Cluster
0      Jon      100         5       A
4     John      125         5       B
5      Bob      325        20       C