pandas的好方法是获得每个组中的前n个logging

假设我有这样的pandasDataFrame：

>>> 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 

我想获得每个id的前2个logging的新的DataFrame，像这样：

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

我可以通过组内编号logging来完成：

 >>> 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 

但有没有更有效/优雅的方法来做到这一点？ 还有更好的方法来logging每个组中的数字logging（比如SQL窗口函数row_number（） ）。

提前致谢。

Answer 1

你试过df.groupby('id').head(2)

产生的输出：

 >>> 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 

（请记住，您可能需要先订购/sorting，具体取决于您的数据）

编辑：正如提问者提到的那样，使用df.groupby('id').head(2).reset_index(drop=True)来移除多重索引并使结果变平。

 >>> 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 

Answer 2

从0.14.1开始 ，你现在可以在groupby对象上做nlargest nsmallest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 

有一点点古怪，你也得到了原始的索引，但这可能是非常有用的，取决于你的原始索引是什么。

如果你对它不感兴趣，你可以做.reset_index(level=1, drop=True)以完全摆脱它。

（注意： 从0.17.1开始，你也可以在DataFrameGroupBy上做到这一点，但现在只能用于Series和SeriesGroupBy 。）