我有一个巨大的市政图书馆目录数据集,其中包含书名、所在图书馆、图书馆所在的行政区以及借出次数。
我想找出每个街区借阅次数最多的 3 本书。
理想情况下,我会得到这样的东西:
Borough Title Total_loans
A Book1 35615
A Book2 34895
A Book3 2548
B Book1 6541
B Book2 5425
等等
这是我能得到的最接近的数据,但生成的数据框未按行政区分组且难以阅读。
import pandas as pd
df = pd.DataFrame({"borough":["A", "B", "B", "A", "A"], "title":["Book2", "Book1", "Book2", "Book2", "Book1"], "total_loans":[4, 48, 46, 78, 15]})
top_boroughs = df.groupby(['borough','title'])
top_boroughs.aggregate(sum).sort(['total_loans','title'], ascending=False)
感谢您的帮助。
最佳答案
简而言之:
df.groupby(level=[0,1]).sum().reset_index().sort_values(['borough', 'total_loans'], ascending=[1,0]).groupby('borough').head(3)
步骤:
- 做正确的分组和求和
- 按行政区和最大值排序
- 按行政区分组,先取
3
由于两者,这优于公认的答案
- 可读性(是的,一行很长,但你同样可以将其拆分):所有标准操作
- 性能(标准优化操作与使用
concat
迭代扩大数据帧相比,浪费内存
我的输出(使用 head(1)
因为测试数据每组只有 2
行:
Out[484]:
borough title total_loans
1 A Book2 82
2 B Book1 48
关于python - pandas:如何找到列中每个类别的最大 n 个值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/25043639/