假设我有这样的pandas数据框:
>>> 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
我想得到一个新的数据帧,每个id有前两条记录,如下所示:
id value
0 1 1
1 1 2
3 2 1
4 2 2
7 3 1
8 4 1
我可以一组一组地对记录编号:
>>> 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/更优雅的方法来做到这一点呢?还有一种更优雅的方法来对每个组中的记录进行编号(比如SQL窗口函数row_number())。
你试过
df.groupby('id').head(2)
输出生成:
(请记住,根据您的数据,您可能需要在之前进行排序/排序)
编辑:如提问者所述,使用
df.groupby('id').head(2).reset_index(drop=True)
删除multindex并展平结果。有时提前对整个数据进行排序非常耗时。 我们可以先分组,然后为每个组执行topk:
Since 0.14.1,现在可以对一个
groupby
对象执行nlargest
和nsmallest
操作:还有一点奇怪的是,你在那里也得到了原始索引,但这可能真的很有用,这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)
来彻底摆脱它。(注意:From 0.17.1您也可以在DataFrameGroupBy上执行此操作,但目前它只适用于
Series
和SeriesGroupBy
。)相关问题 更多 >
编程相关推荐