python - Pandas 新数据框显示每组的前 N ​​个值和后 N 个值

Question

我有一个包含三列的 DataFrame:单位、影响者和值(value)。有几种不同类型的影响者，值代表单位的数量。 我想创建一个新表，显示每个影响者最频繁和最不频繁的 n 个单位及其各自的值。

我的 df 看起来像这样:

Unit    Influencer    Value
A       foo           321
B       foo           200
C       foo           20
D       foo           12
E       foo           3
A       bar           999
B       bar           209
C       bar           89
D       bar           34
E       bar           15
F       bar           2

我的输出应该是这样的(假设我们想要顶部和底部 2 个单位):

Unit    Influencer    Value
    A       foo           321
    B       foo           200
    D       foo           12
    E       foo           3
    A       bar           999
    B       bar           209
    E       bar           15
    F       bar           2

我已经尝试过类似于找到的解决方案 here ，但我收到错误“索引包含重复条目，无法 reshape ”，我认为这是因为“影响者”是我的 df 的索引。如果我的 df 是 multiindex，则会创建新的 df，但它是不正确的。

def get_top3(counts, col1, col2):

    top3 = (counts.groupby(col1))[col2].apply(lambda x: x.nlargest(3)).reset_index(level=1, drop=True).to_frame('VAL')

    top3 = counts.set_index(np.arange(len(counts)) % 3, append=True)['value'].unstack().add_prefix('VAL')

    return top3

但是，这会创建一个如下所示的 Dataframe:

VAL1  VAL2  VAL3
321   NaN   NaN
NaN   200   NaN
NaN   NaN   20
12    NaN   NaN
NaN   3     NaN
...

如有任何建议，我们将不胜感激!我也乐于接受有关如何格式化我的输出 df 的反馈。谢谢!

Answer 1

你可以试试:

nlargest = df.groupby('Influencer')['Value'].nlargest(2).reset_index()['level_1'].values
nsmallest = df.groupby('Influencer')['Value'].nsmallest(2).reset_index()['level_1'].values

result = pd.concat([df.iloc[nlargest], df.iloc[nsmallest]]).sort_index()
print(result)

输出

   Unit Influencer  Value
0     A        foo    321
1     B        foo    200
3     D        foo     12
4     E        foo      3
5     A        bar    999
6     B        bar    209
9     E        bar     15
10    F        bar      2