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：
- import pandas as pd: 导入 Pandas 库，并将其命名为 pd。
- data = [...]: 定义一个包含姓名、类别和分数的列表。
- 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'。
- df.groupby('Category'): 使用 'Category' 列对 DataFrame 进行分组。groupby() 方法返回一个 DataFrameGroupBy 对象。
- .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。
- 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）。
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：
- 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。
- 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。
