【问题标题】:Pandas: groupby sum then nlargest熊猫:groupby sum 然后 nlargest
【发布时间】:2021-11-10 19:26:27
【问题描述】:

在 pandas 中,我将如何先做 group_by 然后 sum 然后根据 sum 取前两个?

我尝试了很多东西,包括以下一个。

df.groupby(['A','B'])['C'].sum().groupby(['A']).nlargest(2,'C')
df.groupby(['A','B'])['C'].sum().groupby(['A']).apply(lambda x:nlargest(2))

我想根据A和B的组合得到C的总和,然后根据A组内的总和过滤掉前两个。

谢谢。

这是数据:

A        B         C 
Alabama  a         100
Alabama  b         50
Alabama  c         40
Alabama  d         5
Alabama  e         1
...
Wyoming  a.51      180
Wyoming  b.51      150
Wyoming  c.51      56
Wyoming  d.51      5

【问题讨论】:

标签: python pandas pandas-groupby


【解决方案1】:

根据您的示例数据,您可以尝试:

(df.groupby(['A', 'B'], as_index=False)['C'].sum()
   .groupby('A')['C'].nlargest(2)
   .droplevel(1)
)

数据输入:

         A     B    C
0  Alabama     a  100
1  Alabama     b   50
2  Alabama     c   40
3  Alabama     d    5
4  Alabama     e    1
5  Wyoming  a.51  180
6  Wyoming  b.51  150
7  Wyoming  c.51   56
8  Wyoming  d.51    5

输出:

A
Alabama    100
Alabama     50
Wyoming    180
Wyoming    150
Name: C, dtype: int64

扩展测试用例

让我们尝试使用更多数据来显示第一个groupby() 作品的总和,以及在再次按A 分组后它是如何工作的:

数据输入

          A     B    C
0   Alabama     a  100
1   Alabama     b   50
2   Alabama     b  250
3   Alabama     c   40
4   Alabama     d    5
5   Alabama     d  355
6   Alabama     e    1
7   Wyoming  a.51  180
8   Wyoming  b.51  150
9   Wyoming  c.51   56
10  Wyoming  c.51  556
11  Wyoming  d.51    5
12  Wyoming  d.51  820

输出

A
Alabama    360
Alabama    300
Wyoming    825
Wyoming    612
Name: C, dtype: int64

编辑

如果要显示所有列,可以使用:

(df.groupby(['A','B'], as_index=False)['C'].sum()
   .groupby(['A']).apply(lambda x: x.nlargest(2,'C'))
   .reset_index(drop=True)
)

数据输入

          A     B    C
0   Alabama     a  100
1   Alabama     b   50
2   Alabama     b  250
3   Alabama     c   40
4   Alabama     d    5
5   Alabama     d  355
6   Alabama     e    1
7   Wyoming  a.51  180
8   Wyoming  b.51  150
9   Wyoming  c.51   56
10  Wyoming  c.51  556
11  Wyoming  d.51    5
12  Wyoming  d.51  820

输出

         A     B    C
0  Alabama     d  360
1  Alabama     b  300
2  Wyoming  d.51  825
3  Wyoming  c.51  612

【讨论】:

    【解决方案2】:

    我按如下方式解决了这个问题,但仍在寻找更好的解决方案。

    df.groupby(['A','B'])['C'].sum().reset_index().groupby(['A']).apply(lambda x:nlargest(2,'C'))
    

    【讨论】:

    • 您想在结果中只显示 A 列和 C 列,还是 A、B、C 列全部显示?
    • 如果您想显示所有 A、B、C 列,请查看我上次编辑的版本以获得更好的解决方案。
    • 谢谢你,SeaBean。你非常乐于助人。
    • 欢迎您!乐于助人!你也赞成我的解决方案吗?如果尚未这样做,请这样做:-)
    【解决方案3】:

    您需要在groupby 之后指定要应用nlargest 的列。试试:

    >>> df.groupby(["A","B"]).sum().groupby("A")["C"].nlargest(2)
    

    【讨论】:

      猜你喜欢
      • 2017-03-16
      • 2021-07-16
      • 1970-01-01
      • 2020-10-12
      • 1970-01-01
      • 2023-03-18
      • 1970-01-01
      • 1970-01-01
      相关资源
      最近更新 更多