在Python中检查dataframe列的顶级值

我有一个大数据集，看起来像：

Shop              Date           Hour Ending         Hours Operating        Produced   
Cornerstop        01-01-2010          0                     1                   9
Cornerstop        01-01-2010          1                     1                   11
Cornerstop        01-01-2010          2                     1                   10
. 
.

Cornerstop        01-01-2010          23                    1                   0
Leaf Grove        01-01-2010          0                     1                   7
Leaf Grove        01-01-2010          1                     1                   4
Leaf Grove        01-01-2010          2                     1                   2

我想通过他们的产量来找出前20名的商店。我使用了

data.descripe（）

来检查前百分位数，但这对我没有帮助，因为如果我在“生产”的前百分位数上设置阈值，一些天会在数据中丢失

这是一个新手问题，但我如何根据这个标准轻松挑选和瞄准这些顶级商店？也许使用百分位数只是为了创建一系列顶级商店，并将它们从数据集中删除？感觉有更好的方法可以做到这一点。

使用

sort\u values（）

和

head（）

：

如果要对每个车间的生产值求和，然后进行排序，可以执行以下操作：

df.groupby('Shop').agg({'Produced': 'sum'}).sort_values('Produced', ascending=False).head(20)

---

下面是如何对列进行排序，然后选择前20名

df= df.sort_values(['Produced'], ascending=[False])
df.head(20)

---

使用

.nlargest

df.groupby('Shop').Produced.sum().nlargest(20)

---

如果您只需要一个店铺列表，请添加

.index.tolist（）

。

这是每个店铺总产量的总和吗？或者仅仅是生产出最高价值的前20行？在这种情况下，同一家商店能出现不止一次吗？这是一个很好的问题，让我找到了一个可能很简单的答案。我想从总产量中选出前20名。我可以按生成的和对日期进行求和。我可以使用什么操作快速显示之后每个日期的最高值？我想我们必须同时发布答案！这只给出了任何给定商店的前20个值（因此它会为列表中的一个商店列出前20个生产值）。抱歉。我现在编辑了我的答案。现在应该更好了，列的名称在这里实际上不是.producted.sum（）。我不明白。我正在访问名为

'producted'

的列，然后计算每个

'Shop'

中这些值的总和。如果您的

DataFrame

具有示例中的列，那么这应该是可行的。实际上，我将该列的名称命名为“今天生产（lb）”。在名称中引入空格可能是原因。是的，如果您有空格，则不能使用

表示法，因此它必须是

df.groupby（'Shop'）['producted Today（lb）].sum（）.nlargest（20）

df.groupby('Shop').Produced.sum().nlargest(20)