pandas groupby & lambda 函数返回 nlargest(2)答案

【问题标题】：pandas groupby & lambda function to return nlargest(2)pandas groupby & lambda 函数返回 nlargest(2)
【发布时间】：2020-11-20 12:01:32
【问题描述】：

请看pandas df:

pd.DataFrame({'id': [1, 1, 2, 2, 2, 3],
            'pay_date': ['Jul1', 'Jul2', 'Jul8', 'Aug5', 'Aug7', 'Aug22'],
             'id_ind': [1, 2, 1, 2, 3, 1]})

我正在尝试按“id”和“pay_date”分组。在按“id”和“pay_date”分组后，我只想将 df['id_ind'].nlargest(2) 保留在数据框中。这是我的代码：

df = pd.DataFrame(df.groupby(['id', 'pay_date'])['id_ind'].apply(
lambda x: x.nlargest(2)).reset_index()

这不起作用，因为新的 df 返回所有记录。如果有效，'id'==2 只会在 df 中出现两次，因为有 3 条记录，我只想要 'id_ind' 最大的 2 条记录。

我想要的输出：

pd.DataFrame({'id': [1, 1, 2, 2, 3],
        'pay_date': ['Jul1', 'Jul2', 'Aug5', 'Aug7', 'Aug22'],
         'id_ind': [1, 2, 2, 3, 1]})

【问题讨论】：

是的，它返回每个组中最大的两个，在这种情况下是所有记录。你想要的输出是什么？
不行，看看'id'==2，那个组里有3条记录。
是的....但是您按id 分组和 pay_date，所以有3个不同的组id == 2
好吧，那是有道理的。那我如何得到我想要的输出呢？我想要的是对'id'进行分组并取2个最大的'id_ind'。但我也想在新的 df 中包含“pay_date”。
我想要的输出：pd.DataFrame({'id': [1, 1, 2, 2, 3], 'pay_date': ['Jul1', 'Jul2', 'Aug5', 'Aug7', 'Aug22'], 'id_ind': [1, 2, 2, 3, 1]}) 请参阅更新的 OP。

标签： python python-3.x pandas lambda pandas-groupby

【解决方案1】：

排序id_ind 并执行groupby.tail

df_final = (df.sort_values('id_ind').groupby('id').tail(2)
                                    .sort_index()
                                    .reset_index(drop=True))

Out[29]:
   id  id_ind pay_date
0   1       1     Jul1
1   1       2     Jul2
2   2       2     Aug5
3   2       3     Aug7
4   3       1    Aug22

【讨论】：

这太聪明了！谢谢！
@MichaelMathewsJr.：不客气。快乐编码:)