Python 数据帧内的分组、求和、排序和选择

我有这样一个数据帧：

df=pd.DataFrame({'State' : ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C'],
            'County' : ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i'],
            'Population': [10, 11, 12, 13, 17, 16, 15, 18, 14]})

看看每个州人口最多的两个县，人口最多的两个州是什么（按人口最高到人口最低的顺序排列）

我通过使用循环解决了这个问题，现在我正在尝试得到相同的结果——分组、求和、排序和选择。 下面的代码是有效的，但我相信有很多不同的、更优雅的方法可以做到这一点

df.groupby(['State'])['Population'].nlargest(2).groupby(['State']).sum()\
  .sort_values(ascending=False)[:2].to_frame()\
  .reset_index()['State'].tolist()

---

你不能把这个缩短一点

df.groupby(['State'])['Population'].nlargest(2)\
  .sum(level=0).sort_values(ascending=False).index[:2].tolist()

---

无需转换回dataframe来检索状态，只需直接从索引中获取状态即可。将

sum

与

level

参数一起使用只不过是一种简短的语法，它再次超越了groupby。

您不能缩短这一点

df.groupby(['State'])['Population'].nlargest(2)\
  .sum(level=0).sort_values(ascending=False).index[:2].tolist()

(df.sort_values('Population', ascending=False) # order by highest population per country 
.groupby('State').head(2) # get two most populous counties per state
 .groupby('State').sum() # get population of two largest counties per state
 .sort_values('Population', ascending = False)[:2] # get top 2 states by population
 .index # get states names
 .tolist() # convert to list
)

无需转换回dataframe来检索状态，只需直接从索引中获取状态即可。将

sum

与

level

参数一起使用只是一种简短的语法，再次超越了groupby

(df.sort_values('Population', ascending=False) # order by highest population per country 
.groupby('State').head(2) # get two most populous counties per state
 .groupby('State').sum() # get population of two largest counties per state
 .sort_values('Population', ascending = False)[:2] # get top 2 states by population
 .index # get states names
 .tolist() # convert to list
)

这里有另一种方法来解释每个操作

---

这里有另一种方法来解释每个操作

欢迎来到Stack Overflow并感谢您提供的答案。你能把每个方法分成几行吗？这将使Pandas/Python的新用户更容易阅读。欢迎来到Stack Overflow，感谢您提供的答案。你能把每个方法分成几行吗？这将使Pandas/Python的新用户更容易阅读。