python - Pandas 集团 : How to get top n values based on a column

Question

如果这是一个基本问题，请原谅我，但我是 pandas 的新手。我有一个带有 A 列的数据框，我想根据 A 列中的计数获取前 n 行。例如，原始数据看起来像

A  B  C
x 12  ere
x 34  bfhg
z 6   bgn
z 8   rty
y 567 hmmu,,u
x 545 fghfgj
x 44  zxcbv

请注意，这只是我实际使用的数据的一小部分。

因此，如果我们查看 A 列，值 x 出现 4 次，y 出现 2 次，z 出现 1 次。如何根据此计数获取 A 列的前 n 个值？

print df.groupby(['A']).sum()

这给了我

A      B

x      6792117

但是当我这样做的时候

print len(df.groupby(['A']).get_group('x'))

我明白了

21

此外

len(df.index) 

给我

23657

那么 'A' == 'x' 的计数怎么会是 6792117，正如在 group by 的结果中看到的那样？我错过了什么？

更新

考虑

print df.groupby(['A']).describe()

给我

     Tags           DocID

x    count      21.000000
     mean   323434.142857
     std     35677.410292
     min    266631.000000
     25%    292054.000000
     50%    325575.000000
     75%    347450.000000
     max    380286.000000

这是有道理的。我只想获取 A 列中具有最大计数的行。

更新2

我做了

print df.groupby(['A'],as_index=False).count()

我明白了

         A       B      C
0        x       21     21
1        y       11     11
2        z        8      8

基本上，对于 A 列，标记 x 在 B 列中有 21 个条目，在 C 列中有 21 个条目。ColumnsB 和 C 在我的例子中是唯一的。这很好。现在我如何获得关于 C 列的前 n 行？

更新3

所以我试过了

import heapq
print heapq.nlargest(3,df.groupby(['A'],as_index=False).count()['C'])

我明白了

[151, 85, 72]

所以我知道对于 A 列，我将上述计数作为前 3 个计数。但我仍然不知道这些计数指的是 A 列的哪个值？例如，A 列中的哪个值的计数为 151？有什么方法可以链接这些信息吗？

Answer 1

IIUC 你可以使用函数 nlargest .

我尝试了您的示例数据并按 C 列获取前 2 行:

print df
   A    B        C
0  x   12      ere
1  x   34     bfhg
2  z    6      bgn
3  z    8      rty
4  y  567  hmmu,,u
5  x  545   fghfgj
6  x   44    zxcbv

dcf = df.groupby(['A'],as_index=False).count()
print dcf
   A  B  C
0  x  4  4
1  y  1  1
2  z  2  2

#get 2 largest rows by column C
print dcf.nlargest(2,'C')
   A  B  C
0  x  4  4
2  z  2  2