假设我有这样的 pandas DataFrame:

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

看起来像:

   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

我想获得一个新的 DataFrame，每个 id 都有前 2 条记录，如下所示:

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

我可以在 groupby 之后对组内的记录进行编号:

dfN = df.groupby('id').apply(lambda x:x['value'].reset_index()).reset_index()

看起来像:

   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

然后为所需的输出:

dfN[dfN['level_1'] <= 1][['id', 'value']]

输出:

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

但是有没有更有效/优雅的方法来做到这一点？还有更优雅的方法来对每个组中的记录进行编号(如 SQL 窗口函数 row_number() )。

最佳答案

你试过了吗

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

生成的输出:

       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

(请记住，您可能需要先订购/排序，具体取决于您的数据)

编辑:正如提问者所说，使用

df.groupby('id').head(2).reset_index(drop=True)

删除 MultiIndex 并展平结果:

    id  value
0   1      1
1   1      2
2   2      1
3   2      2
4   3      1
5   4      1

关于python - Pandas 在每组中获得前 n 条记录，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/20069009/