为每个类别python选择前10条记录

Posted 2023-03-11

【中文标题】为每个类别python选择前10条记录

【英文标题】：Select top 10 records for each category python

【发布时间】：2019-07-24 02:20:16

【问题描述】：

如何按列分组并获取该列中每个类别的前 10 条记录？

我要分组的列有 3 个类别“高”、“中”和“低”。

我还有另一列包含用于对数据进行排名的数字数据。

这是我的数据框的头部：

country   designation     points    province               title             year    price   price_category
Italy     Vulkà Bianco     98        Sicily     Nicosia 2013 Vulkà Bianco    2013     65     high

我的代码在这里返回数字列的前 2 个，但我丢失了所有其他列。有没有办法在不丢失其他列的情况下做到这一点？

df.groupby('price_category')['points'].nlargest(2)

这是我的输出，我丢失了所有其他列：

category_column        
high        36528     100
            42197     100
low         5011       95
            15196      95
med         114981     97
            9901       96

我需要这个 ^ 但不会丢失我的其他列。

【问题讨论】：

df.groupby('column').nlargest(10)

【参考方案1】：

你需要：

df = pd.DataFrame('id':[1,2,3,4,5,6,7,8,9,10,11,12], 
                   'level':['low','high','low','medium','medium','high','low','high','medium','high','medium','low'],
                   'values':[23,43,56,12,34,32,18,109,345,21,15,45])

# use nlargest(10) for your problem. 
print(df.groupby('level')['values'].nlargest(2))

输出：

level                                                                                                                                         
high    7     109                                                                                                                             
        1      43                                                                                                                             
low     2      56                                                                                                                             
        11     45                                                                                                                             
medium  8     345                                                                                                                             
        4      34   

【讨论】：

我试过这个，但我失去了我的其余列​​。有没有办法在不丢失我的其他列的情况下做到这一点？

非常感谢，这正是我要找的！但是，如果您要在 df 中再添加 1 列数据，这与该计算无关，有没有办法将该列保留在输出中？

【参考方案2】：

使用以下获取索引级别：

df.groupby('price_category')['points'].nlargest(2).index.get_level_values(1)

然后使用索引列表对数据帧进行切片

df.iloc[df.groupby('price_category')['points'].nlargest(2).index.get_level_values(1)]

【参考方案3】：

这是之前在堆栈pandas groupby sort within groups 上提出的问题并在此处回答。您要做的是创建一个分组数据框，并创建一个具有聚合总和的列。现在，在新的聚合列上创建第二个分组依据。然后，使用帖子中提到的 .nlargest。

【讨论】：

试过这个，但它消除了我的其他专栏。我想保留我的其他专栏