Pandas GroupBy：如何根据列获取前n个值

Question

如果这是一个基本问题，请原谅，但我对熊猫还不熟悉。我有一个带a列的数据框，我想根据a列中的计数得到前n行

A  B  C
x 12  ere
x 34  bfhg
z 6   bgn
z 8   rty
y 567 hmmu,,u
x 545 fghfgj
x 44  zxcbv

注意，这只是我实际使用的数据的一个小样本。

所以如果我们看A列，值x出现4次，y出现2次，z出现1次。如何根据此计数获取列A的前n个值？

print df.groupby(['A']).sum()

这给了我

A      B

x      6792117

但当我这么做的时候

print len(df.groupby(['A']).get_group('x'))

我明白了

21

此外

len(df.index) 

给我

23657

那么，在group by的结果中，'A' == 'x'的计数如何可以是6792117？我错过了什么？

更新

考虑

print df.groupby(['A']).describe()

给我

     Tags           DocID

x    count      21.000000
     mean   323434.142857
     std     35677.410292
     min    266631.000000
     25%    292054.000000
     50%    325575.000000
     75%    347450.000000
     max    380286.000000

这是有道理的。我只想得到A列最大计数的行

更新2

是的

print df.groupby(['A'],as_index=False).count()

我明白了

         A       B      C
0        x       21     21
1        y       11     11
2        z        8      8

所以基本上，对于A列，标签x在B列有21个条目，在C列有21个条目。在我的例子中，ColumnsB和C是唯一的。这很好。现在，如何获得与列C相关的前n行？

更新3

所以我试着

import heapq
print heapq.nlargest(3,df.groupby(['A'],as_index=False).count()['C'])

我得到了

[151, 85, 72]

所以我知道，对于A栏，我把上面的数字作为前三个数字。但我还是不知道这些计数指的是A列的哪个值？例如，A列中的哪个值的计数为151？有没有办法把这些信息联系起来？

Answer 1

我尝试过的一种方法

import heapq

dcf =  df.groupby(['A'],as_index=False).count()
print dcf.loc[dcf['C'].isin(heapq.nlargest(5,dcf['C']))].sort(['C'],ascending=False)

给我

      A       B      C
1664  g       151    151
1887  k       85     85
1533  q       72     72
53    y       68     68
1793  t       62     62

审核人

print len(df.loc[df["A"]=="g"])

给我

151

所以我得到了期望的结果，因为我可以看到前5个值是基于A列的计数的，但是肯定有更好的方法来做到这一点？

Answer 2

你可以使用函数^{}。

我尝试您的示例数据并按列获取前两行C：

print df
   A    B        C
0  x   12      ere
1  x   34     bfhg
2  z    6      bgn
3  z    8      rty
4  y  567  hmmu,,u
5  x  545   fghfgj
6  x   44    zxcbv

dcf = df.groupby(['A'],as_index=False).count()
print dcf
   A  B  C
0  x  4  4
1  y  1  1
2  z  2  2

#get 2 largest rows by column C
print dcf.nlargest(2,'C')
   A  B  C
0  x  4  4
2  z  2  2