Pandas 新数据框显示每组的顶部和底部 N 值

Question

我有一个包含三列的 DataFrame：单位、影响者和价值。有几种不同类型的影响者，这些值代表单位的数量。 我想创建一个新表，显示每个影响者的最频繁和最不频繁的 n 个单位及其各自的值。

我的 df 看起来像这样：

Unit    Influencer    Value
A       foo           321
B       foo           200
C       foo           20
D       foo           12
E       foo           3
A       bar           999
B       bar           209
C       bar           89
D       bar           34
E       bar           15
F       bar           2

我的输出应该是这样的（假设我们想要顶部和底部 2 个单位）：

Unit    Influencer    Value
    A       foo           321
    B       foo           200
    D       foo           12
    E       foo           3
    A       bar           999
    B       bar           209
    E       bar           15
    F       bar           2

我尝试了类似于找到here 的解决方案，但我收到错误“索引包含重复条目，无法重塑”，我认为这是因为“影响者”是我的 df 的索引。如果我的 df 是多索引，则创建新的 df，但它不正确。

def get_top3(counts, col1, col2):

    top3 = (counts.groupby(col1))[col2].apply(lambda x: x.nlargest(3)).reset_index(level=1, drop=True).to_frame('VAL')

    top3 = counts.set_index(np.arange(len(counts)) % 3, append=True)['value'].unstack().add_prefix('VAL')

    return top3

但是，这会创建一个如下所示的 Dataframe：

VAL1  VAL2  VAL3
321   NaN   NaN
NaN   200   NaN
NaN   NaN   20
12    NaN   NaN
NaN   3     NaN
...

任何建议将不胜感激！我也愿意就如何格式化我的输出 df 提供反馈。谢谢！

Answer 1

你可以试试：

nlargest = df.groupby('Influencer')['Value'].nlargest(2).reset_index()['level_1'].values
nsmallest = df.groupby('Influencer')['Value'].nsmallest(2).reset_index()['level_1'].values

result = pd.concat([df.iloc[nlargest], df.iloc[nsmallest]]).sort_index()
print(result)

输出

   Unit Influencer  Value
0     A        foo    321
1     B        foo    200
3     D        foo     12
4     E        foo      3
5     A        bar    999
6     B        bar    209
9     E        bar     15
10    F        bar      2

Answer 2

使用

#df=df.sort_values('Value')
g=df.groupby('Influencer')
pd.concat([g.head(2),g.tail(2)]).sort_index()
Out[693]: 
   Unit Influencer  Value
0     A        foo    321
1     B        foo    200
3     D        foo     12
4     E        foo      3
5     A        bar    999
6     B        bar    209
9     E        bar     15
10    F        bar      2

Answer 3

尝试创建如下函数：

def selc_df(df, x=2):
    return df.head(x).append(df.tail(x))

selc_df(df,2)

示例：

>>> df
   A    B
0  1  345
1  2  366
2  3  299
3  3  455
4  4  879
5  5  321
6  5  957
7  6  543

结果：

>>> def selc_df(df, x=2):
...     return df.head(x).append(df.tail(x))
...

>>> selc_df(df,2)
   A    B
0  1  345
1  2  366
6  5  957
7  6  543