Python 熊猫在每组中获得最多的n项记录

假设我有如下数据帧：

>>> df = pd.DataFrame({'id':[1,1,1,2,2,2,2,3,4],'value':[1,2,3,1,2,3,4,1,1]})
>>> df
   id  value
0   1      1
1   1      2
2   1      3
3   2      1
4   2      2
5   2      3
6   2      4
7   3      1
8   4      1

   id  value
0   1      1
1   1      2
3   2      1
4   2      2
7   3      1
8   4      1

我想获得一个新的数据帧，每个id有前2条记录，如下所示：

>>> df = pd.DataFrame({'id':[1,1,1,2,2,2,2,3,4],'value':[1,2,3,1,2,3,4,1,1]})
>>> df
   id  value
0   1      1
1   1      2
2   1      3
3   2      1
4   2      2
5   2      3
6   2      4
7   3      1
8   4      1

   id  value
0   1      1
1   1      2
3   2      1
4   2      2
7   3      1
8   4      1

我可以通过以下方式对一组又一组的记录进行编号：

>>> dfN = df.groupby('id').apply(lambda x:x['value'].reset_index()).reset_index()
>>> dfN
   id  level_1  index  value
0   1        0      0      1
1   1        1      1      2
2   1        2      2      3
3   2        0      3      1
4   2        1      4      2
5   2        2      5      3
6   2        3      6      4
7   3        0      7      1
8   4        0      8      1
>>> dfN[dfN['level_1'] <= 1][['id', 'value']]
   id  value
0   1      1
1   1      2
3   2      1
4   2      2
7   3      1
8   4      1

dfN=df.groupby（'id'）.apply（lambda x:x['value'].reset_index（））.reset_index（） >>>dfN id级别_1索引值 0 1 0 0 1 1 1 1 1 2 2 1 2 2 3 3 2 0 3 1 4 2 1 4 2 5 2 2 5 3 6 2 3 6 4 7 3 0 7 1 8 4 0 8 1

---

>>>dfN[dfN['level_1']您是否尝试了

df.groupby（'id'）。head（2）

生成的输出：

>>> df.groupby('id').head(2)
       id  value
id             
1  0   1      1
   1   1      2 
2  3   2      1
   4   2      2
3  7   3      1
4  8   4      1

（请记住，根据您的数据，您可能需要在之前进行订购/排序）

编辑：如提问者所述，使用

df.groupby（'id'）.head（2）.重置索引（drop=True）

删除多重索引并展平结果

>>> df.groupby('id').head(2).reset_index(drop=True)
    id  value
0   1      1
1   1      2
2   2      1
3   2      2
4   3      1
5   4      1

，您现在可以对

groupby

对象执行

nlargest

和

nsmalest

：

In [23]: df.groupby('id')['value'].nlargest(2)
Out[23]: 
id   
1   2    3
    1    2
2   6    4
    5    3
3   7    1
4   8    1
dtype: int64

有一点奇怪的是，你在那里也得到了原始索引，但这可能真的很有用，这取决于你的原始索引是什么

如果你对它不感兴趣，你可以做

.reset\u index（level=1，drop=True）

来彻底摆脱它

---

（注意：您也可以在DataFrameGroupBy上执行此操作，但目前它仅适用于

系列

和

系列GroupBy

）

有时提前排序整个数据非常耗时。 我们可以先分组，然后为每组进行topk：

g = df.groupby(['id']).apply(lambda x: x.nlargest(topk,['value'])).reset_index(drop=True)

• 这里的排序值升序为false，与nlargest相似，为True，与nsmallest相似
• head中的值与我们在nlargest中给出的值相同，以获得每个组要显示的值的数量
• 重置索引是可选的，不是必需的

---

是的，我想就是这样。不知何故忽略了这一点。你知道对组内记录进行编号的好方法吗？为了获得所需的输出，我还添加了

。reset\u index（drop=True）

刚刚被合并；将在0.13中，新方法称为

cumcount

（对每组中的记录进行编号）为了让@dorvak的答案更完整，如果你想得到每个

id

的两个最小值，那么就做

df.sort\u值（['id'，'value']，axis=0）。groupby（'id'）。head（2）

。另一个例子是，每个

id

的最大值由

df.sort\u值（['id'，'value']，axis=0）。groupby（'id'）。tail（1）

。从0.23.4开始，

df.groupby（'id'）.head（2）

之后不需要展平。可能重复的“top-n”并不意味着“最上面的n行/第一行/头行”，就像您正在寻找的那样！它意味着“具有最大值的n行”。有办法获得

唯一的\u限制（n）

？就像我想要前n个唯一值一样？如果我要求

nlargest

它将对整个df进行排序，这可能会花费很多钱。这不适用于在groupby上进行聚合的情况？例如，

df.groupby（[pd.Grouper（freq='M'），'A']）['B'].count（）.nlargest（5，'B'）

这只是返回整个系列中的前5名，而不是每个组。现在在

DataFrameGroupBy

s上也可以这样做的声明似乎是错误的，链接的拉取请求似乎只将

nlargest

添加到simple

DataFrame

s。这很不幸，因为如果您想选择不止一列？