经过一些转换,我得到了以下dataframe
,在这种情况下,我如何继续通过一列获取前n条记录short_name
并使用其他作为指标frequency
。我读了这篇文章,但两种解决方案的问题在于它们都摆脱了列product_name
,它们只保留分组列,我需要保留它们。
short_name product_id frequency
Yoghurt y cereales 975009684 32
Yoghurt y cereales 975009685 21
Yoghurt y cereales 975009700 16
Yoghurt y Cereales 21097 16
Yoghurt Bebible 21329 68
Yoghurt Bebible 21328 67
Yoghurt Bebible 21500 31
我会尝试使用nlargest
方法:
In [5]: df.groupby('short_name', as_index=False).apply(lambda x: x.nlargest(2, 'frequency'))
Out[5]:
short_name product_id frequency
0 4 Yoghurt Bebible 21329 68
5 Yoghurt Bebible 21328 67
1 3 Yoghurt y Cereales 21097 16
2 0 Yoghurt y cereales 975009684 32
1 Yoghurt y cereales 975009685 21
您可以先对数据帧进行排序,然后使用groupby
:
df.sort_values('frequency', ascending=False).groupby('short_name').head(2)
Out[28]:
short_name product_id frequency
4 Yoghurt Bebible 21329 68
5 Yoghurt Bebible 21328 67
0 Yoghurt y cereales 975009684 32
1 Yoghurt y cereales 975009685 21
3 Yoghurt y Cereales 21097 16
你可以试试这个:
df.groupby('short_name', as_index=False).apply(lambda x: x.sort_values(by='frequency',ascending=False).head(2)).reset_index(drop=True)
输出:
short_name product_id frequency
0 Yoghurt Bebible 21329 68
1 Yoghurt Bebible 21328 67
2 Yoghurt y Cereales 21097 16
3 Yoghurt y cereales 975009684 32
4 Yoghurt y cereales 975009685 21
如果我正确理解您的问题,在这种情况下使用 .apply 是不必要的。除非由于性能问题而没有其他选择,否则我会避免这种情况。
试试这个:
df.sort_values(by='frequency',ascending=False).groupby('short_name').head(2).reset_index()
df.groupby('short_name').nlargest(2, 'frequency').reset_index()