Python 按多级类别分组，每个类别中n个最大的返回和（每个类别的n不同）

我有一个熊猫数据框（df），表示不同个人的每月开支。数据框中的第一列表示人员ID，第二列表示费用类别，第三列表示花费的金额。见下表示例：

d={'PersonID'：['A'、'A'、'A'、'A'、'A'、'A'、'B'、'B'、'B'、'B'、'B'、'B']、'Category'：['Food'、'Food'、'Food'、'Travel'、'Travel'、'Travel'、'Food'、'Travel'、'Travel'、'Travel'、'Travel'、'Travel'、'Travel'、'Travel'、'Travel'、'Travel'、'Travel'、'支出]：[10,15,5,01000200200010,00130]
df=pd.DataFrame（数据=d）

对于每个人，我想得到食品类中三大支出的总和，以及旅行类中两大支出的总和

对于上面的示例表，我需要下表：

我试图使用以下代码，但问题是我无法在不同类别中指定不同的N最大费用

df.groupby（['PersonID'，'Category']）['expense'].nlargest（2）.sum（级别=0）

方法是先按类别拆分数据帧，然后按总和分组，然后将结果连接在一起：

pd.concat([
df.query('Category == "Food"').groupby(['PersonID','Category'])['Expenditure'].nlargest(3).sum(level=[0,1]),
df.query('Category == "Travel"').groupby(['PersonID','Category'])['Expenditure'].nlargest(2).sum(level=[0,1])
])

输出：

PersonID  Category
A         Food          45
B         Food          50
A         Travel      3000
B         Travel      1800
Name: Expenditure, dtype: int64

---

使用字典和列表理解：

d = {'Food':2,
     'Travel':3}

pd.concat([df[df['Category'] == c].groupby(['PersonID','Category'])['Expenditure'].nlargest(n).sum(level=[0,1]) for c,n in d.items()])