Python 3.x 根据另一列选择前n列

我有一个数据库，如下所示：

我想获得一个熊猫数据框，根据人口最多的前几行，为每个日期过滤2行。输出应如下所示：

我知道熊猫提供了一种叫做NLAGEST的配方：

但是我认为它不适用于这个用例。有什么解决办法吗

---

非常感谢

我模拟了您的数据帧，如下所示，并提供了获得所需数据帧的方法，希望这会有所帮助

您的数据帧： 您想要的解决方案： 您可以使用

nlargest

方法以及

set\u index

ans

groupby

方法

这就是你将得到的

>>> df.set_index('country').groupby('Date')['population'].nlargest(2)
Date        country
2019-12-31  C          1000
            A           100
2020-01-01  C          3500
            A           200
2020-02-01  D          2000
            E            54
Name: population, dtype: int64

现在，由于您希望通过重置数据帧的索引使数据帧进入原始状态，这将为您提供以下信息

>>> df.set_index('country').groupby('Date')['population'].nlargest(2).reset_index()
        Date country  population
0 2019-12-31       C        1000
1 2019-12-31       A         100
2 2020-01-01       C        3500
3 2020-01-01       A         200
4 2020-02-01       D        2000
5 2020-02-01       E          54

另一种方法是： 使用

groupby

和

apply

函数使用

reset_index

参数

drop=True

和

level=

>>> df.groupby('Date').apply(lambda p: p.nlargest(2, columns='population')).reset_index(level=[0,1], drop=True)
  # df.groupby('Date').apply(lambda p: p.nlargest(2, columns='population')).reset_index(level=['Date',1], drop=True)
        Date country  population
0 2019-12-31       C        1000
1 2019-12-31       A         100
2 2020-01-01       C        3500
3 2020-01-01       A         200
4 2020-02-01       D        2000
5 2020-02-01       E          54

---

也许您可以

对值进行排序（按
['Date'，'Population']
）并使用
groupby
（按
'Date'
）？最好将数据粘贴为post的一部分，而不是图像。它帮助人们测试你的数据并给出正确答案。任何时候把代码或数据作为image@iraciv94，如果你喜欢这个答案，你也可以投它一票✔
>>> df.groupby('Date').apply(lambda p: p.nlargest(2, columns='population')).reset_index(level=[0,1], drop=True)
  # df.groupby('Date').apply(lambda p: p.nlargest(2, columns='population')).reset_index(level=['Date',1], drop=True)
        Date country  population
0 2019-12-31       C        1000
1 2019-12-31       A         100
2 2020-01-01       C        3500
3 2020-01-01       A         200
4 2020-02-01       D        2000
5 2020-02-01       E          54