python統計圖表 - python趨勢圖




大熊貓在每個組中記錄最高的n條記錄 (2)

從0.14.1開始 ,您現在可以對groupby對象執行nlargestnsmallest操作:

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

有一點奇怪,你也可以在那裡得到原始索引,但這可能是非常有用的,這取決於你的原始索引什麼。

如果你對它不感興趣,你可以做.reset_index(level=1, drop=True)以完全擺脫它。

(注意: 從0.17.1開始,你也可以在DataFrameGroupBy上做到這一點,但目前它只適用於SeriesSeriesGroupBy 。)

假設我有這樣的熊貓DataFrame:

>>> 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

我想獲得一個新的DataFrame與每個ID的前2個記錄,如下所示:

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

我可以通過以下方式將分組內的編號記錄分組:

>>> 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

但有沒有更有效/優雅的方法來做到這一點? 還有更好的方法來處理每個組中的數字記錄(如SQL窗口函數row_number() )。


你試過df.groupby('id').head(2)

產生的輸出:

>>> 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

(請記住,您可能需要先訂購/排序,具體取決於您的數據)

編輯:正如提問者提到的那樣,使用df.groupby('id').head(2).reset_index(drop=True)來移除多指數並壓扁結果。

>>> 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






top-n