python - 如何使用 Pandas 选择两组中的前 N ​​组并将第二组的其余部分聚合到 "Others"中？

Question

我有一个包含产品、价格、类别和县的数据。我使用此代码来计算每个县每个类别的产品数量:

df_count = df.groupby(['County','Category']).size().reset_index(name='counts')

我的数据框现在看起来像这样:

<表类="s-表"><头><日> 县类别计数<正文>0布莱金厄配饰与 watch 351布莱金厄音视频1012布莱金厄自行车783布莱金厄船零件和配件654布莱金厄船143............657东约特兰雪地摩托零件和配件2658东约特兰雪地摩托5659东约特兰运动休闲装备335660东约特兰工具102661东约特兰卡车与建筑66

662 行 × 3 列

有21个县，32个类别。数量是一个类别中的产品数量。并非所有类别在一个县都是必需的。

我想要一个新的数据框，其中包含每个县的前 N ​​个(例如 2 个)最大类别，并将其余部分汇总到“其他”。我想要每个县都这样，它看起来像这样:

<表类="s-表"><头>县类别计数<正文>布莱金厄船143布莱金厄音视频101布莱金厄其他178.........东约特兰运动休闲装备335东约特兰工具102东约特兰其他175

我看过以前对数组做类似的帖子

How to group "remaining" results beyond Top N into "Others" with pandas

Sort top N and group 'others' in pandas df

并尝试了这个

# group by & sort descending
df_sorted=df_count.groupby(['County','Category']).sum().sort_values('counts', ascending=False).reset_index()

# rename rows other than top-n to 'Others'
x_sorted.groupby('County').loc[x_sorted.index >=3, 'Category'] = 'Others'

还有这个

df_count.sort_values(by=['counts'], ascending=False).groupby('County').head(2).sort_values(by=['County']).reset_index(drop=True)

#not_top2 = df.groupby('Version').sum().sort('Value', ascending=False).index[2:]
not_top2 = x.groupby(['County','Category']).sum().sort_values('counts', ascending=False).index[2:]

dfnew = x.replace(not_top2, 'Other')

dfnew.groupby(['County','Category']).sum()

但没有成功获得所需的输出。

非常感谢任何帮助或指导!

Answer 1

您可以使用以下步骤序列获得最终输出，我认为这非常简单。

为了便于理解，我将在代码和每行输出中添加注释。

# Grab top 2 largest caterogies of each country
top_two = df.groupby('County').apply(lambda x: x.nlargest(2, 'counts')).reset_index(drop=True)  

>>> top_two
         County                    Category  counts
0      Blekinge                       Boats     143
1      Blekinge               Audio & video     101
2  Östergötland  Sports & leisure equipment     335
3  Östergötland                       Tools     102

# Create a dataframe with the rest of the information
df_others = df.append(df.merge(top_two,'inner')).drop_duplicates(keep=False)

>>> df_others
         County                        Category  counts
0      Blekinge           Accessories & watches      35
2      Blekinge                        Bicycles      78
3      Blekinge        Boat parts & accessories      65
5  Östergötland  Snowmobile parts & accessories       2
6  Östergötland                     Snowmobiles       5
9  Östergötland           Trucks & construction      66

# Groupby country and Sum and assign 'others' under Category in the df_others dataframe
df_others = df_others.groupby('County')['counts'].sum().reset_index()
df_others['Category'] = 'Others'

>>> df_others
         County  counts Category
0      Blekinge     178   Others
1  Östergötland      73   Others

---

最后，concat() 两个数据帧以获得最终输出:

res = pd.concat([top_two,df_others]).sort_values('County').reset_index(drop=True)
>>> res
         County                    Category  counts
0      Blekinge                       Boats     143
1      Blekinge               Audio & video     101
2      Blekinge                      Others     178
3  Östergötland  Sports & leisure equipment     335
4  Östergötland                       Tools     102
5  Östergötland                      Others      73

如有不明之处请回来