我有以下数据:
Id | PrimaryName | SecondaryName | Value
---+-------------+---------------+-------
0 | PN0 | SN0 | 3
1 | PN0 | SN1 | 5
2 | PN0 | SN2 | 6
3 | PN1 | SN3 | 5
4 | PN1 | SN4 | 6
5 | PN1 | SN5 | 7
6 | PN2 | SN6 | 1
7 | PN2 | SN7 | 2
8 | PN2 | SN8 | 3
实际上,它类似于一个键值对,带有 SecondaryName
作为 key 和 Value
as、hm、值,带有附加列 PrimaryName
。
我的任务是,仅查看每个 PrimaryName
中值最大的两个条目。 ,确定两个最大的PrimaryName
s。
例如,对于 PN0
两个最大值是 5 和 6,对于 PN1
是 6 和 7,对于 PN2
是 2 和 3。这意味着最大的 PrimaryName
是 PN0
得分为 11,且 PN1
得分为13。
理想的结果只是 PrimaryName
的有序列表s => ['PN1', 'PN0']
对于相当精通 C# 的人来说,这看起来是一项相当简单的任务,可以通过以下查询来解决:
var result = table.GroupBy(r => r.PrimaryName)
.Select(g => new
{
PrimaryName = g.Key,
Value = g.OrderByDescending(e => e.Value).Take(2).Sum(e => e.Value)
})
.OrderByDescending(e => e.Value)
.Take(2)
.Select(e => e.PrimaryName)
.ToList();
但现在我必须在 Python 中重复它,特别是 pandas。
到目前为止,我仅想到了查询的以下部分:
df.groupby('PrimaryName')[['PrimaryName', 'Value']]
我怀疑要像我在 C# 行 g.OrderByDescending(e => e.Value).Take(2).Sum(e => e.Value)
中那样执行计算我必须定义一个带有临时列的新数据框,但我不确定具体如何定义。
有人可以帮我吗?
这个问题实际上还有一点。此任务是 pandas 类(class)的一部分,并且从以下事实来看 groupby
是下周的主题,我可能走在错误的道路上,或者至少我可能会错过一些简单而明显的东西。
最佳答案
使用双 nlargest
- 首先获取 2
最高值,然后先对它们进行求和
,然后再获取另一个最高 2 个索引值:
L = df.groupby('PrimaryName')['Value']
.apply(lambda x: x.nlargest(2).sum())
.nlargest(2)
.index
.tolist()
print (L)
['PN1', 'PN0']
详细信息:
print (df.groupby('PrimaryName')['Value'].apply(lambda x: x.nlargest(2).sum()))
PrimaryName
PN0 11
PN1 13
PN2 5
Name: Value, dtype: int64
或者:
L = df.sort_values('Value', ascending=False)
.groupby('PrimaryName')['Value']
.apply(lambda x: x.head(2).sum())
.nlargest(2)
.index
.tolist()
关于c# - 查询 Pandas 数据框,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46874324/