[python] 팬더는 각 그룹 내에서 최고 n 개의 레코드를 얻습니다.

Program / 글쓴이

다음과 같이 팬더 DataFrame이 있다고 가정하십시오.

>>> df = pd.DataFrame({'id':[1,1,1,2,2,2,2,3,4],'value':[1,2,3,1,2,3,4,1,1]})
>>> df
   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

다음과 같이 각 ID에 대해 상위 2 개의 레코드가있는 새로운 DataFrame을 얻고 싶습니다.

   id  value
0   1      1
1   1      2
3   2      1
4   2      2
7   3      1
8   4      1

그룹별로 그룹 내에서 번호 매기기 레코드로 수행 할 수 있습니다.

>>> dfN = df.groupby('id').apply(lambda x:x['value'].reset_index()).reset_index()
>>> dfN
   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
>>> dfN[dfN['level_1'] <= 1][['id', 'value']]
   id  value
0   1      1
1   1      2
3   2      1
4   2      2
7   3      1
8   4      1

그러나 이것을 수행하기위한보다 효과적이고 우아한 접근법이 있습니까? 또한 각 그룹 내에서 레코드 수를 정교 하게 접근하는 방법도 있습니다 (예 : SQL 창 함수 row_number () ).

답변

시도해 보았 니 df.groupby('id').head(2)

출력 생성 : 

>>> df.groupby('id').head(2)
       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

(데이터에 따라 사전에 주문 / 정렬해야 할 수도 있습니다)

편집 : 질문자가 언급했듯이 df.groupby('id').head(2).reset_index(drop=True)multindex를 제거하고 결과를 평평하게하는 데 사용 하십시오.

>>> df.groupby('id').head(2).reset_index(drop=True)
    id  value
0   1      1
1   1      2
2   2      1
3   2      2
4   3      1
5   4      1

답변

0.14.1 때문에 , 당신은 지금 할 수있는 nlargest및 nsmallestA의 groupby객체 :

In [23]: df.groupby('id')['value'].nlargest(2)
Out[23]:
id
1   2    3
    1    2
2   6    4
    5    3
3   7    1
4   8    1
dtype: int64

원래 색인도 얻을 수있는 약간의 이상한 점이 있지만 이것은 원래 색인 이 무엇인지에 따라 실제로 유용 할 수 있습니다 .

당신이 그것에 관심이 없다면, 당신 .reset_index(level=1, drop=True)은 그것을 완전히 없애기 위해 할 수 있습니다 .

(참고 : 0.17.1부터는 DataFrameGroupBy 에서도이 작업을 수행 할 수 있지만 현재는 Seriesand 만 사용할 수 있습니다 SeriesGroupBy.)

답변

때로는 전체 데이터를 미리 정렬하는 데 시간이 많이 걸립니다. 먼저 그룹별로 그룹화하고 각 그룹에 대해 APK를 수행 할 수 있습니다.

g = df.groupby(['id']).apply(lambda x: x.nlargest(topk,['value'])).reset_index(drop=True)

답변