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/