Python Panda-从第3列中获取前3个最大值，按第1列分组，同时显示第2列

Question

以下是数据：

col1	col2	col3
类别1	subcat1	10
类别1	子类别2	15
类别1	子类别3	1
类别1	子类别4	23
类别2	子类别1	10
类别2	subcat2	99
类别2	子类别3	23
类别2	子类别4	12
类别2	子类别5	10
类别2	子类别6	11
类别2	子类别7	45
类别2	子类别8	105
类别3	子类别1	2
类别3	子类别2	9
类别3	subcat3	14
类别3	子类别4	25

至于您的演示数据：

df = pd.DataFrame({'col1': ['category1', 'category1','category1', 'category1', 'category2', 'category2','category2', 'category2', 'category2', 'category2','category2', 'category2', 'category3', 'category3','category3', 'category3'],
'col2': ['subcat1', 'subcat2', 'subcat3', 'subcat4', 'subcat1', 'subcat2', 'subcat3', 'subcat4', 'subcat5', 'subcat6', 'subcat7', 'subcat8', 'subcat1', 'subcat2', 'subcat3', 'subcat4'],
'col3': [10, 15, 1, 23, 10, 99, 23, 12, 10, 11, 45, 105, 2, 9, 14, 25]})
print(df)
col1    col2    col3
0   category1   subcat1 10
1   category1   subcat2 15
2   category1   subcat3 1
3   category1   subcat4 23
4   category2   subcat1 10
5   category2   subcat2 99
6   category2   subcat3 23
7   category2   subcat4 12
8   category2   subcat5 10
9   category2   subcat6 11
10  category2   subcat7 45
11  category2   subcat8 105
12  category3   subcat1 2
13  category3   subcat2 9
14  category3   subcat3 14
15  category3   subcat4 25

这是joris在另一个问题中提供的解决方案：

df_agg = df.groupby(['col1', 'col2']).agg({'col3': sum})
a = df_agg['col3'].groupby('col1', group_keys=False).nlargest(3)
print(a)
col1       col2   
category1  subcat4     23
subcat2     15
subcat1     10
category2  subcat8    105
subcat2     99
subcat7     45
category3  subcat4     25
subcat3     14
subcat2      9

以下是解决方法，我仍然认为有更好的方法可以做到这一点，但这应该会对您有所帮助：

result = pd.DataFrame()
for item in df['category'].unique():
result = result.append(df[df.category == item].nlargest(3, 'value'))

基本上，在一种手动groupby函数中，在每个类别的子数据帧上使用nlargest方法，因为groupby对象不支持它。