熊猫:如何相对于多级数据框架中的子级别总和最大的3个值

Question

i具有下面显示的数据框架。它被排序以便" pop"在每个"状态"方面按顺序降序。现在，我想相对于每个"状态"总和" pop"的最大三个值，我应该如何做？

import pandas as pd
d = [['X','q',123383],['X','w',43857349],['X','e',236657],['X','r',23574594],
        ['Y','t',547853],['Y','y',46282134],['Y','u',43857439],['Y','i',32654893],['Y','i',95678312]]
df = pd.DataFrame(d, columns = ['STATE','COUNTY','POP'])
df.sort_values(['STATE','POP'], ascending=[True, False]).set_index(['STATE','COUNTY'])
print(sorted_df)
# sorted_df:
                   POP
STATE COUNTY          
X     w       43857349
      r       23574594
      e         236657
      q         123383
Y     i       95678312
      y       46282134
      u       43857439
      i       32654893
      t         547853

Answer 1

有nlargest不需要前部：

df.groupby(['STATE']).POP.nlargest(3)

给你

STATE   
X      1    43857349
       3    23574594
       2      236657
Y      8    95678312
       5    46282134
       6    43857439
Name: POP, dtype: int64

，如果您只关心总和：

df.groupby(['STATE']).POP.nlargest(3).sum(level=0)

给出：

STATE
X     67668600
Y    185817885
Name: POP, dtype: int64

Answer 2

确保对数据框进行排序后重新分配(也许您是要调用结果sorted_df(。

按国家级别组成的组(或level=0鉴于它是州和县的多指数(，然后应用lambda，将lambda置于前三名状态(并总和结果。

top_n = 3
df = df.sort_values(['STATE','POP'], ascending=[True, False]).set_index(['STATE','COUNTY'])
>>> df.groupby(level='STATE').apply(lambda x: x.head(top_n).sum())
             POP
STATE           
X       67668600  # w: 43857349 + r: 23574594 + e: 236657
Y      185817885  # i: 95678312 + y: 46282134 + u: 43857439