Python Pandas GroupBy:如何基于列获取前n个值
如果这是一个基本问题,请原谅我,但我对熊猫还不熟悉。我有一个带有列a的dataframe,我希望根据列a中的计数获得前n行Python Pandas GroupBy:如何基于列获取前n个值,python,pandas,count,group-by,dataframe,Python,Pandas,Count,Group By,Dataframe,如果这是一个基本问题,请原谅我,但我对熊猫还不熟悉。我有一个带有列a的dataframe,我希望根据列a中的计数获得前n行 A B C x 12 ere x 34 bfhg z 6 bgn z 8 rty y 567 hmmu,,u x 545 fghfgj x 44 zxcbv 请注意,这只是我实际使用的数据的一个小样本 如果我们看A列,值x出现4次,y出现2次,z出现1次。如何根据此计数获取列A的前n个值 print df.groupby(['A']).sum() 这给
A B C
x 12 ere
x 34 bfhg
z 6 bgn
z 8 rty
y 567 hmmu,,u
x 545 fghfgj
x 44 zxcbv
请注意,这只是我实际使用的数据的一个小样本
如果我们看A列,值x出现4次,y出现2次,z出现1次。如何根据此计数获取列A的前n个值
print df.groupby(['A']).sum()
这给了我
A B
x 6792117
但当我这么做的时候
print len(df.groupby(['A']).get_group('x'))
我明白了
21
此外
len(df.index)
给我
23657
那么,在group by的结果中,'A'=='x'
的计数怎么可能是6792117
?我错过了什么
更新
考虑
print df.groupby(['A']).describe()
给我
A B
x 6792117
Tags DocID
x count 21.000000
mean 323434.142857
std 35677.410292
min 266631.000000
25% 292054.000000
50% 325575.000000
75% 347450.000000
max 380286.000000
A B C
1664 g 151 151
1887 k 85 85
1533 q 72 72
53 y 68 68
1793 t 62 62
151
这是有道理的。我只想得到A列中具有最大计数的行
更新2
是的
print df.groupby(['A'],as_index=False).count()
我明白了
基本上,对于A列,标签x在B列中有21个条目,在C列中有21个条目。在我的例子中,B列和C列是唯一的。这很好。现在我如何得到关于C列的前n行
更新3
所以我试过了
import heapq
print heapq.nlargest(3,df.groupby(['A'],as_index=False).count()['C'])
我得到
[151, 85, 72]
所以我知道,对于A列,我将上面的计数作为前3个计数。但我仍然不知道这些计数指的是A列的哪个值?例如,A列中的哪个值的计数为151?有什么方法可以链接这些信息吗?我尝试过的一种方法
import heapq
dcf = df.groupby(['A'],as_index=False).count()
print dcf.loc[dcf['C'].isin(heapq.nlargest(5,dcf['C']))].sort(['C'],ascending=False)
给我
A B
x 6792117
Tags DocID
x count 21.000000
mean 323434.142857
std 35677.410292
min 266631.000000
25% 292054.000000
50% 325575.000000
75% 347450.000000
max 380286.000000
A B C
1664 g 151 151
1887 k 85 85
1533 q 72 72
53 y 68 68
1793 t 62 62
151
证实
print len(df.loc[df["A"]=="g"])
给我
A B
x 6792117
Tags DocID
x count 21.000000
mean 323434.142857
std 35677.410292
min 266631.000000
25% 292054.000000
50% 325575.000000
75% 347450.000000
max 380286.000000
A B C
1664 g 151 151
1887 k 85 85
1533 q 72 72
53 y 68 68
1793 t 62 62
151
所以我得到了期望的结果,因为我可以根据A列的计数看到前5个值。但肯定有更好的方法来实现这一点吗?IIUC您可以使用函数
我尝试您的示例数据,并按列C
获得前2行:
print df
A B C
0 x 12 ere
1 x 34 bfhg
2 z 6 bgn
3 z 8 rty
4 y 567 hmmu,,u
5 x 545 fghfgj
6 x 44 zxcbv
dcf = df.groupby(['A'],as_index=False).count()
print dcf
A B C
0 x 4 4
1 y 1 1
2 z 2 2
#get 2 largest rows by column C
print dcf.nlargest(2,'C')
A B C
0 x 4 4
2 z 2 2
请发布原始输入数据、代码以再现您的df,目前这一切都是推测性的,没有数据和代码来再现您的观察结果。我认为向下投票是因为您不使用您的样本数据。您可以将使用哪种方法的数据共享到dropbox或google docs?因为我尝试使用您的示例数据,但我的输出与您的不同。不幸的是,数据是专有的。顺便问一下,你试过什么?你能把它作为答案贴出来吗?不,没问题。您可以尝试使用您的示例并通过此输入更改输出。最好是发布推荐的输出(来自示例数据)。