python - Pandas Dataframe 按年分组并找到最重要的项目

Question

我有以下格式的 pandas 数据框:

d = {'item_code': ['A', 'B', 'C', 'A', 'A', 'B', 'B', 'A', 'C'], 'year': ['2010', '2010', '2010', '2010', '2010', '2011', '2011', '2011', '2011']}
df = pd.DataFrame(data=d)
df

这是我的数据框的样子:

    item_code   year
 0   A           2010
 1   B           2010
 2   C           2010
 3   A           2010
 4   A           2010
 5   B           2011
 6   B           2011
 7   A           2011
 8   C           2011

我已经使用 groupby 列出了每一年及其对应的项目。

df.groupby(['year', 'item_code']).size()

这是结果:

year  item_code
2010  A            3
      B            1
      C            1
2011  A            1
      B            2
      C            1
dtype: int64

我想获得一年中的顶级元素。例如，对于 2010 年，最上面的项目是 A。同样，对于 2011 年，最上面的项目是 B。我怎样才能得到它？

假设我想获得每年的前 N ​​项。我也该怎么做？

Answer 1

您可以使用 value_counts按计数对每个组进行排序:

N = 2
df1 = df.groupby('year')['item_code'].apply(lambda x: x.value_counts().iloc[:N])
#alternative
#df1 = df.groupby('year')['item_code'].apply(lambda x: x.value_counts().head(N))
print (df1)
year   
2010  A    3
      B    1
2011  B    2
      A    1
Name: item_code, dtype: int64

groupby + head 的另一种解决方案:

N = 2
df1 = df.groupby(['year'])['item_code'].value_counts().groupby('year').head(N)
print (df1)
year  item_code
2010  A            3
      B            1
2011  B            2
      A            1
Name: item_code, dtype: int64