从 Pandas DataFrame 中按类别选取 Top N 行

本文旨在介绍如何使用 Pandas 库，针对 DataFrame 数据，按照特定类别进行分组，并选取每个类别中排序靠前的 N 行数据。通过 groupby() 和 head() 函数的配合使用，可以高效地实现这一目标，从而方便进行数据筛选和分析。本文将提供详细的代码示例和解释，帮助读者掌握这一实用技巧。

在数据分析任务中，经常需要根据某些类别对数据进行分组，并选取每个类别中具有代表性的数据子集。例如，在一个包含学生姓名、科目和分数的 DataFrame 中，我们可能需要选取每个科目中成绩最高的几位学生。Pandas 库提供了强大的 groupby() 方法和 head() 方法，可以轻松实现这一目标。

使用 groupby() 和 head() 选取 Top N 行

以下代码演示了如何使用 groupby() 和 head() 函数选取每个类别中的前 N 行数据。

import pandas as pd

# 创建示例 DataFrame
data = [['Tom', 'A', 10], ['Jack', 'A', 9], ['Andy', 'A', 8],
        ['Lily', 'A', 7], ['Johan', 'B', 10], ['Ewa', 'B', 9],
        ['Alice', 'B', 8], ['Bob', 'B', 7], ['Charlie', 'C', 10]]

df = pd.DataFrame(data, columns=['Name', 'Category', 'Score'])

# 按照 'Category' 列进行分组，并选取每个类别的前 3 行
top3_category = df.groupby('Category').head(3)

# 打印结果
print(top3_category)

代码解释：

1. import pandas as pd: 导入 Pandas 库，并将其命名为 pd。
2. data = [...]: 定义一个包含姓名、类别和分数的列表。
3. df = pd.DataFrame(data, columns=['Name', 'Category', 'Score']): 使用列表 data 创建一个 DataFrame，并指定列名为 'Name', 'Category', 'Score'。
4. df.groupby('Category'): 使用 'Category' 列对 DataFrame 进行分组。groupby() 方法返回一个 DataFrameGroupBy 对象。
5. .head(3): 对每个分组，选取前 3 行数据。head(n) 方法返回每个分组的前 n 行数据。如果分组中的行数少于 n，则返回分组中的所有行。
6. print(top3_category): 打印结果 DataFrame，其中包含每个类别的前 3 行数据。

输出结果：

    Name Category  Score
0    Tom        A     10
1   Jack        A      9
2   Andy        A      8
4  Johan        B     10
5    Ewa        B      9
6  Alice        B      8
8  Charlie        C     10

可以看到，结果 DataFrame 包含了类别 'A' 的前 3 行，类别 'B' 的前 3 行，以及类别 'C' 的所有行（因为类别 'C' 只有一行）。

行者AI

行者AI绘图创作，唤醒新的灵感，创造更多可能

100

查看详情

进阶用法：结合 sort_values() 排序后选取

如果需要根据特定列的值进行排序后再选取 Top N 行，可以结合 sort_values() 方法。

import pandas as pd

# 创建示例 DataFrame
data = [['Tom', 'A', 10], ['Jack', 'A', 9], ['Andy', 'A', 8],
        ['Lily', 'A', 7], ['Johan', 'B', 10], ['Ewa', 'B', 9],
        ['Alice', 'B', 8], ['Bob', 'B', 7], ['Charlie', 'C', 10]]

df = pd.DataFrame(data, columns=['Name', 'Category', 'Score'])

# 按照 'Category' 分组，并在每个组内按照 'Score' 降序排序，然后选取前 2 行
top2_by_score = df.groupby('Category').apply(lambda x: x.sort_values('Score', ascending=False).head(2))

# 打印结果
print(top2_by_score)

代码解释：

1. df.groupby('Category').apply(...): 对 DataFrame 按照 'Category' 列进行分组，并对每个分组应用一个函数。
2. lambda x: x.sort_values('Score', ascending=False).head(2): 定义一个匿名函数，该函数接收一个分组 x 作为输入，首先使用 sort_values('Score', ascending=False) 按照 'Score' 列进行降序排序，然后使用 head(2) 选取排序后的前 2 行。

输出结果：

       Name Category  Score
Category
A      0    Tom        A     10
       1   Jack        A      9
B      4  Johan        B     10
       5    Ewa        B      9
C      8  Charlie        C     10

可以看到，结果 DataFrame 包含了每个类别中 'Score' 最高的 2 行数据。

注意事项

• groupby() 方法返回的是 DataFrameGroupBy 对象，需要结合其他方法（如 head(), apply(), agg() 等）才能得到最终结果。
• head(n) 方法返回每个分组的前 n 行数据。如果分组中的行数少于 n，则返回分组中的所有行。
• 使用 apply() 方法时，需要注意性能问题。对于大型 DataFrame，建议使用 Pandas 内置的聚合函数或矢量化操作来提高效率。
• 在使用 sort_values() 方法时，需要注意排序的顺序（升序或降序）。

总结

本文介绍了如何使用 Pandas 的 groupby() 和 head() 函数，以及 sort_values() 函数，对 DataFrame 数据进行分组并选取每个类别中的 Top N 行数据。这些技巧在数据分析和处理中非常实用，可以帮助用户快速筛选和分析数据。通过灵活运用这些方法，可以高效地解决各种数据处理问题。

以上就是从 Pandas DataFrame 中按类别选取 Top N 行的详细内容，更多请关注php中文网其它相关文章！