[FIXED] Pandas erhalten die obersten n Datensätze innerhalb jeder Gruppe

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)