Ausgabe
Angenommen, ich habe Pandas DataFrame wie folgt:
df = pd.DataFrame({'id':[1,1,1,2,2,2,2,3,4], 'value':[1,2,3,1,2,3,4,1,1]})
das sieht aus wie:
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
Ich möchte einen neuen DataFrame mit den Top 2 Datensätzen für jede ID erhalten, wie folgt:
id value
0 1 1
1 1 2
3 2 1
4 2 2
7 3 1
8 4 1
Ich kann es mit der Nummerierung von Datensätzen innerhalb der Gruppe nach tun groupby
:
dfN = df.groupby('id').apply(lambda x:x['value'].reset_index()).reset_index()
das sieht aus wie:
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
dann für die gewünschte Ausgabe:
dfN[dfN['level_1'] <= 1][['id', 'value']]
Ausgabe:
id value
0 1 1
1 1 2
3 2 1
4 2 2
7 3 1
8 4 1
Aber gibt es dafür einen effektiveren/eleganteren Ansatz? Und es gibt auch einen eleganteren Ansatz, um Datensätze innerhalb jeder Gruppe zu nummerieren (wie die SQL-Fensterfunktion row_number() ).
Lösung
Hast du versucht
df.groupby('id').head(2)
Erzeugte Ausgabe:
id value
id
1 0 1 1
1 1 2
2 3 2 1
4 2 2
3 7 3 1
4 8 4 1
(Beachten Sie, dass Sie je nach Ihren Daten möglicherweise vorher bestellen/sortieren müssen)
EDIT: Wie vom Fragesteller erwähnt, use
df.groupby('id').head(2).reset_index(drop=True)
So entfernen Sie den MultiIndex und glätten die Ergebnisse:
id value
0 1 1
1 1 2
2 2 1
3 2 2
4 3 1
5 4 1
Beantwortet von – dorvak
Antwort geprüft von – Mildred Charles (FixError Admin)