python - 使用 Pandas 返回最大的嵌套排序数据框

Question

我正在努力处理一个列出大量数据的数据框，如果有意义的话，这些数据具有多个过滤级别。所以我的数据现在按州名字母顺序排序。第二个过滤级别适用于每个县的人口数据。我使用的过滤是 df.sort_values()。我现在需要提取每个州人口最多的三个县，但我不知道如何实现这一目标。

所以我的数据看起来像这样(我在这里省略了行索引):

State    County    Population
Alabama  a         100
Alabama  b         50
Alabama  c         40
Alabama  d         5
Alabama  e         1
...
Wyoming  a.51      180
Wyoming  b.51      150
Wyoming  c.51      56
Wyoming  d.51      5

现在我想从我的数据框中获取每个州人口最多的县。没有和 Pandas 打过交道，我最初的猜测是做一个 for。像这样(显然是错误的):

list_l = []
for i in df['State'].unique(): #Get a series with every unique state listed once
    list_l.append(df[(df['State'] == i])).nlargest(3)
return list_l

即使输入此内容，我也知道它没有完全意义，但我不确定如何更好地解释它。希望有人能帮忙。

干杯

Answer 1

我想你需要groupby与 nlargest :

s = df.groupby('State')['Population'].nlargest(3)
print (s)
State     
Alabama  0    100
         1     50
         2     40
Wyoming  5    180
         6    150
         7     56
Name: Population, dtype: int64

然后 get_level_values从第二级并选择 ix :

print (s.index.get_level_values(1))
Int64Index([0, 1, 2, 5, 6, 7], dtype='int64')

print (df.ix[s.index.get_level_values(1)])
     State County  Population
0  Alabama      a         100
1  Alabama      b          50
2  Alabama      c          40
5  Wyoming   a.51         180
6  Wyoming   b.51         150
7  Wyoming   c.51          56