DataFrame：N个最大索引值（从级别= 1）到n列

Posted 2023-03-11

【中文标题】DataFrame：N个最大索引值（从级别= 1）到n列

【英文标题】：DataFrame: N largest indexes values (from level=1) to n columns

【发布时间】：2018-10-26 08:14:27

【问题描述】：

我正在尝试转换这样的df：

df = pd.DataFrame('A': ['A1', 'A1', 'A1', 'A1', 'A1', 'A1', 'A2', 'A2', 'A2', 'A2', 'A2', 'A2', 'A2'],
      'B': ['B1', 'B1', 'B2', 'B2', 'B3', 'B3', 'B4', 'B5', 'B6', 'B7', 'B7', 'B8', 'B8'])

通过取 n（这里是 2）个最大索引（按 B 的计数）来：

我的做法：

df = df.groupby(['A', 'B'])['A'].count()
df = df.groupby(level=0).nlargest(2).reset_index(level=0, drop=True)

什么给了我（接近我需要的）：

现在，我知道的唯一转换 MultiIndex 的方法是：

df.reset_index(level=1)
df.unstack()

但他们没有给我我想要的东西。是否有任何数据框方法可以为我做这件事，或者我需要用 apply 来做。一种方法是遍历每一对：df.index.get_level_values(level=1) 并将其放入 2 列的新 df 中。但这会破坏如果一个 index.level=0，将只有一个 index.level=1

另外：当计数相同时，我不关心 (nlargest) 的顺序。

【参考方案1】：

虽然@jezrael 的答案更快更容易（我会使用它），但这是我在开发时开发的：

df = pd.DataFrame('A': ['A1', 'A1', 'A1', 'A1', 'A1', 'A1', 'A2', 'A2', 'A2', 'A2', 'A2', 'A2', 'A2'],
      'B': ['B1', 'B1', 'B2', 'B2', 'B3', 'B3', 'B4', 'B5', 'B6', 'B7', 'B7', 'B8', 'B8'])

df = df.groupby(['A', 'B'])['A'].count()
df = df.groupby(level=0).nlargest(2).reset_index(level=0, drop=True)
df = df.unstack()

df_new = pd.DataFrame(columns=['A', '1_Largest', '2_largest'])

for i, row in enumerate(['A1', 'A2']):
    df_new.loc[i, :] = row
    df_new.loc[i, '1_Largest'] = df.loc[row].sort_values(ascending=False).index[0]
    df_new.loc[i, '2_largest'] = df.loc[row].sort_values(ascending=False).index[1]

df_new.set_index('A')

【参考方案2】：

使用SeriesGroupBy.value_counts，默认情况下按head和DataFrame构造函数选择前2个索引值：

a = df.groupby('A')['B'].apply(lambda x: x.value_counts().head(2).index.tolist())
print (a)
A
A1    [B1, B3]
A2    [B7, B8]
Name: B, dtype: object

如果想使用您的代码：

df = df.groupby(['A', 'B'])['A'].count()
df = df.groupby(level=0).nlargest(2).reset_index(level=0, drop=True)

df = df.rename('C').reset_index().groupby('A')['B'].apply(list)
print (df)
A
A1    [B1, B2]
A2    [B7, B8]
Name: B, dtype: object

---

df1 = (pd.DataFrame(a.values.tolist(), index=a.index)
         .rename(columns=lambda x: x+1)
         .add_suffix('_nlargest'))
print (df1)
   1_nlargest 2_nlargest
A                       
A1         B1         B3
A2         B7         B8