Python 按最大金额分组

我试图在Pandas中同时使用

groupby

、

nlargest

和

sum

函数，但无法正常工作

State    County    Population
Alabama  a         100
Alabama  b         50
Alabama  c         40
Alabama  d         5
Alabama  e         1
...
Wyoming  a.51      180
Wyoming  b.51      150
Wyoming  c.51      56
Wyoming  d.51      5

我想使用

groupby

按州进行选择，然后按人口获得前2个县。然后只使用前2名的县人口数来计算该州的总和

最后，我将有一个列表，其中包括该州和人口（前两个县）

我可以让

groupby

和

nlargest

工作，但是要得到

nlargest（2）

的总和是一个挑战

---

我现在的行很简单：

df.groupby（'State'）['Population'].nlargest（2）

在执行

groupby

之后，您可以使用

apply

：

df.groupby('State')['Population'].apply(lambda grp: grp.nlargest(2).sum())

我认为您遇到的问题是

df.groupby（'State'）['Population'].nlargest（2）

将返回一个数据帧，因此您不能再执行组级操作。通常，如果要在一个组中执行多个操作，则需要使用

apply

/

agg

结果输出：

State
Alabama    150
Wyoming    330

编辑

一个稍微干净的方法，正如@c所建议的ᴏʟᴅsᴘᴇᴇᴅ:

df.groupby('State')['Population'].nlargest(2).sum(level=0)

但这比在较大的数据帧上使用

apply

稍微慢一些

使用以下设置：

import numpy as np
import pandas as pd
from string import ascii_letters

n = 10**6
df = pd.DataFrame({'A': np.random.choice(list(ascii_letters), size=n),
                   'B': np.random.randint(10**7, size=n)})

我得到以下时间安排：

In [3]: %timeit df.groupby('A')['B'].apply(lambda grp: grp.nlargest(2).sum())
103 ms ± 1.08 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [4]: %timeit df.groupby('A')['B'].nlargest(2).sum(level=0)
147 ms ± 3.38 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

---

性能降低可能是由于

sum

中的

级别
kwarg在发动机罩下执行第二次
groupby
。
使用
agg
，分组逻辑如下所示：

df.groupby（'State'）.agg（{'Population'：{lambda x:x.nlargest（2.sum（）}}）

这将导致另一个数据帧对象；你可以通过查询找到人口最多的州，等等

           Population
State
Alabama    150
Wyoming    330

它缺少一个卷曲的括号。您应该通过使用
df.groupby（'State'）['Population'].nlargest（2）.sum（level=0）摆脱apply来修复此问题。
@cᴏʟᴅsᴘᴇᴇᴅ: 当数据帧大小很大时，您建议的
.nlargest（2）.sum（level=0）
解决方案实际上比使用
apply
慢。
sum
中的
level
kwarg在引擎盖下执行第二个groupby操作，我猜这就是额外开销的来源。这很令人惊讶。因此，一个groupby+应用胜过两个groupby。学到了新东西，干杯！如果
县
不是唯一的，您的解决方案是否有效？假设有两行，如：
Alabama；E2
和
阿拉巴马州；E39
？是否考虑使用
e
而不是
c
？