python - 使用 sort_values + head() 时如何包含匹配值

Question

我有一个df:

       Date Symbol Person
0   2019 Q3      A    Bob
1   2019 Q3      A    Jon
2   2019 Q3      B    Rob
3   2019 Q3      B    Ron
4   2019 Q3      C    Jay
5   2019 Q3      C    Ray
6   2019 Q3      D    Fay
7   2019 Q2      A    Bob
8   2019 Q2      A    Jon
9   2019 Q2      B    Rob
10  2019 Q2      B    Ron
11  2019 Q2      C    Jay
12  2019 Q2      C    Ray
13  2019 Q2      D    Fay
14  2019 Q2      D    Bre
15  2019 Q2      E    Jon
16  2019 Q2      F    Ron

我试图按计数找到每季度前两个 Symbols 。但正如您所看到的，有时对于给定的 Symbols 有两个以上的 Date 具有相同的计数值(例如，符号 A 、 B 、和 C 中的 2019 Q3 和符号 0x1045 67915, A, B < em>和 C 中的 D 。

当我这样做时:

df['Count'] = df.groupby(['Date', 'Symbol'])['Person'].transform('nunique')
df = df[['Date', 'Symbol', 'Count']]
df.drop_duplicates(subset=None, keep="first", inplace=True)
df = df.sort_values('Count', ascending=False).groupby('Date').head(2).sort_index()

我的输出仅包括前两个:

   Date Symbol  Count
2019 Q3      A      2
2019 Q3      B      2
2019 Q2      A      2
2019 Q2      B      2

但是我怎样才能得到它，以便所有绑定(bind)的 2019 Q2 实例也被包含在内，这样它看起来像:

   Date Symbol  Count
2019 Q3      A      2
2019 Q3      B      2
2019 Q3      C      2
2019 Q2      A      2
2019 Q2      B      2
2019 Q2      C      2
2019 Q2      D      2

Answer 1

我们可以GroupBy并获取nunique(无需转换)，并过滤Count较大的位置或等于 Count 列中的第二个值:

df.sort_values(['Date', 'Symbol'], inplace=True)
g = df.groupby(['Date', 'Symbol']).Person.nunique().rename('Count')
g[g >= g.groupby(level=0).transform('nth', 1)].reset_index()

    Date    Symbol  Count
0  2019Q2      A      2
1  2019Q2      B      2
2  2019Q2      C      2
3  2019Q2      D      2
4  2019Q3      A      2
5  2019Q3      B      2
6  2019Q3      C      2

这是有效的，因为数据已排序，选择大于或等于 Count 列中第二个值的所有值将确保我们始终包含以下任一值:

• 两个最高计数(如果第二个计数不同)
• 在第二个与第一个相同的情况下，所有计数都等于第一个