Pandas 在 groupby 和 nlargest 之后创建额外（重复）索引

Posted 2023-03-11

【中文标题】Pandas 在 groupby 和 nlargest 之后创建额外（重复）索引

【英文标题】：Pandas creating extra (duplicated) index after groupby and nlargest

【发布时间】：2017-10-19 20:09:36

【问题描述】：

我尝试使用stack().groupby().nlargest().unstack() 链在 Pandas 数据框中找到每一行中最大的 N 个元素。但是，有时原始索引会重复。其他时候则不然。这种行为的不一致导致后续处理非常困难。有谁知道是什么触发了差异，以及如何强制保持一致性？

例如，这里有一个索引[x y z]在末尾重复的情况：

>>> df = pd.DataFrame('A':[np.nan,8,9], 'B':[0,np.nan,5], 'C':[2, 10, np.nan], index='x y z'.split())
>>> df
     A    B     C
x  NaN  0.0   2.0
y  8.0  NaN  10.0
z  9.0  5.0   NaN
>>> df.stack().groupby(level=0).nlargest(1).unstack()
       A     C
x x  NaN   2.0
y y  NaN  10.0
z z  9.0   NaN

而在这种情况下它不是：

>>> df1 = pd.DataFrame('A':[np.nan,np.nan,9], 'B':[0,np.nan,np.nan], 'C':[np.nan, 10, np.nan], index='x y z'.split())
>>> df1
     A    B     C
x  NaN  0.0   NaN
y  NaN  NaN  10.0
z  9.0  NaN   NaN
>>> df1.stack().groupby(level=0).nlargest(1).unstack()
     A    B     C
x  NaN  0.0   NaN
y  NaN  NaN  10.0
z  9.0  NaN   NaN

【参考方案1】：

您需要的是dropna=False 方法中的参数.stack()：

df = pd.DataFrame('A':[np.nan,8,9], 'B':[0,np.nan,5], 'C':[2, 10, np.nan], index='x y z'.split())
df.stack(dropna=False).groupby(level=0).nlargest(1).unstack()

输出：

       A     C
x x  NaN   2.0
y y  NaN  10.0
z z  9.0   NaN

和

df1 = pd.DataFrame('A':[np.nan,np.nan,9], 'B':[0,np.nan,np.nan], 'C':[np.nan, 10, np.nan], index='x y z'.split())
df1.stack(dropna=False).groupby(level=0).nlargest(1).unstack()

输出：

       A    B     C
x x  NaN  0.0   NaN
y y  NaN  NaN  10.0
z z  9.0  NaN   NaN