Python 获取多索引系列中每个组的最大值

我有一个数据框架，它包含了自2009年以来发生的每一场NFL比赛的信息。我的目标是找出哪个球队在每个赛季都有最多的“重大比赛”。为了做到这一点，我找到了所有超过20码的比赛，按年份和球队进行分组，并得到了每个小组的大小

big_plays = (df[df['yards_gained'] >= 20]
             .groupby([df['game_date'].dt.year, 'posteam'])
             .size())

这将导致以下系列：

game_date  posteam
2009       ARI        55
           ATL        51
           BAL        55
           BUF        37
           CAR        52
           CHI        58
           CIN        51
           CLE        31
           DAL        68
           DEN        42
           DET        42
           GB         65
           HOU        63
           IND        67
           JAC        51
           KC         44
           MIA        34
           MIN        64
           NE         48
           NO         72
           NYG        69
           NYJ        54
           OAK        38
           PHI        68
           PIT        72
           SD         71
           SEA        45
           SF         51
           STL        42
           TB         51
                      ..
2018       BAL        44
           BUF        55
           CAR        64
           CHI        66
           CIN        69
           CLE        70
           DAL        51
           DEN        59
           DET        51
           GB         63
           HOU        53
           IND        57
           JAX        51
           KC         88
           LA         80
           LAC        77
           MIA        47
           MIN        56
           NE         64
           NO         66
           NYG        70
           NYJ        49
           OAK        63
           PHI        54
           PIT        66
           SEA        62
           SF         69
           TB         73
           TEN        51
           WAS        46
Length: 323, dtype: int64

到目前为止，这正是我想要的。然而，我被困在下一步。我想要多指标中每组的n个最大值，或者每个赛季“重要比赛”最多的n个球队

我以一种笨拙的方式半成功地解决了这项任务。如果我

groupby

多索引的第0级，然后在该groupby上运行

nlargest

函数，我将得到以下结果（为了简洁起见，将其截断为前两年）：

big\u plays.groupby（级别=0）。nlargest（5）

返回

game_date  game_date  posteam
2009       2009       NO         72
                      PIT        72
                      SD         71
                      NYG        69
                      DAL        68
2010       2010       PHI        81
                      NYG        78
                      PIT        78
                      SD         75
                      DEN        73

---

这（相当不雅观）解决了问题，但我想知道如何才能更好地实现或多或少相同的结果。

我认为您的代码很好，只有在中的

group\u keys=False

做了一点更改，以避免重复的多索引级别：

s = big_plays.groupby(level=0, group_keys=False).nlargest(5)
print (s)
game_date  posteam
2009       NO         72
           PIT        72
           SD         71
           NYG        69
           DAL        68
2018       KC         88
           LA         80
           LAC        77
           TB         73
           CLE        70
Name: a, dtype: int64

---

替代方案更为复杂：

df = (big_plays.reset_index(name='count')
               .sort_values(['game_date','count'], ascending=[True, False])
               .groupby('game_date')
               .head(5))
print (df)
    game_date posteam  count
19       2009      NO     72
24       2009     PIT     72
25       2009      SD     71
20       2009     NYG     69
8        2009     DAL     68
43       2018      KC     88
44       2018      LA     80
45       2018     LAC     77
57       2018      TB     73
35       2018     CLE     70

---

你想要比这更好的吗？如果你问我的话，这看起来不错。到底是什么问题？

df = (big_plays.reset_index(name='count')
               .sort_values(['game_date','count'], ascending=[True, False])
               .groupby('game_date')
               .head(5))
print (df)
    game_date posteam  count
19       2009      NO     72
24       2009     PIT     72
25       2009      SD     71
20       2009     NYG     69
8        2009     DAL     68
43       2018      KC     88
44       2018      LA     80
45       2018     LAC     77
57       2018      TB     73
35       2018     CLE     70