如何在 Pandas DataFrame 中选择分组变量中列的前 N 个键排序值-解网

问：

我有一个数据集：

import pandas as pd

data = [
    ('A', 'X'),
    ('A', 'X'),
    ('A', 'Y'),
    ('A', 'Z'),
    ('B', 1),
    ('B', 1),
    ('B', 2),
    ('B', 2),
    ('B', 3),
    ('B', 3),
    ('C', 'L-7'),
    ('C', 'L-9'),
    ('C', 'L-9'),
    ('T', 2020),
    ('T', 2020),
    ('T', 2025)
]

df = pd.DataFrame(data, columns=['ID', 'SEQ'])
print(df)

我想创建一个密钥分组 ID 和 SEQ，以便选择每个 ID 组中每个不同 SEQ 的前 2 行

例如，ID A 有 3 个不同的键“A”、“X”、“A”、“Y”和“A Z”，按数据集的顺序排列，前两个键是“A X”和“A Y”，因此我必须选择每个键的前两行（如果可用），因此

“A X”、“A X”、“A Y”为什么？因为“A Z”是另一个键。

我尝试使用 groupby 和 head 函数，但我找不到实现此特定结果的方法。有人可以提供解决方案或为我指出正确的方向吗？

(df
.groupby(['ID','SEQ'])
.head(2)
)

但是正在重新运行原始数据集，我想知道你们是否可以帮助我使用方法转换来解决这个问题，因为这是我在 pandas 中的首选风格，提前非常感谢

最终正确的输出是

Python pandas 链接方法链接

df = df.\
    merge(
        df.\
        drop_duplicates().\
        groupby(["ID"]).\
        head(2),
        on=["ID", "SEQ"],
        how="right"
    )

df
Out[16]: 
   ID   SEQ
0   A     X
1   A     X
2   A     Y
3   B     1
4   B     1
5   B     2
6   B     2
7   C   L-7
8   C   L-9
9   C   L-9
10  T  2020
11  T  2020
12  T  2025

1赞 Ryder 9/22/2023 #3

您先使用 groupby，然后使用 head（2）的方法是正确的，可以获取每个 ID 组中每个不同 SEQ 的前 2 行。

但是，额外的要求是每个 ID 中仅获取前 2 个唯一的 SEQ 组。为此，您可以：

创建一个新列，该列在每个 ID 组中具有唯一 SEQ 的排名。使用此排名筛选出数据。最后，使用原始方法获取每个 ID 组中每个 SEQ 的前 2 行。下面是使用方法链接的解决方案：

result = (df
          .assign(rank=df.groupby('ID')['SEQ'].transform(lambda x: x.rank(method='dense')))
          .query('rank <= 2')
          .groupby(['ID', 'SEQ'])
          .head(2)
          .drop(columns=['rank'])
         )

print(result)

这应该为您提供所需的输出。

我不知道这是否是一个“错误”，但如果你有混合类型，肯定是一个限制。我想如果每个组都有同质的类型，它可以正常工作，但提前确定这可能很棘手。想象一下 1000 个组，只有最后一个组有混合类型，它应该怎么做？在可能长时间的计算后失败？产量 NaNs？如果需要，可以打开错误或功能请求;)

0赞 rhug123 9/22/2023

很高兴知道！

1赞 Andrej Kesely 9/22/2023 #5

尝试：

out = df.groupby("ID", group_keys=False).apply(
    lambda x: x[x["SEQ"].isin(x["SEQ"].unique()[:2])]
)
print(out)

指纹：

   ID   SEQ
0   A     X
1   A     X
2   A     Y
4   B     1
5   B     1
6   B     2
7   B     2
10  C   L-7
11  C   L-9
12  C   L-9
13  T  2020
14  T  2020
15  T  2025

@R_Student 一般来说，如果有其他解决方案，建议避免在熊猫中使用。但是，一如既往，它“视情况而定”。主要是关于你在里面做了什么。在某些情况下，您无法避免，或者，当使用导致更直接的代码（并且性能足够）时.apply.apply.apply.apply

上一个：提供无位置。无法为 Rails 5.2 构建 URI

下一个：链式方法分组和计算 Pandas DataFrame 中的差异

如何在 Pandas DataFrame 中选择分组变量中列的前 N 个键排序值

How to Select First N Key-ordered Values of column within a grouping variable in Pandas DataFrame

评论

评论

评论

评论