python - 从多索引数据框中获取n个最大值

Question

我有一个数据框，如下图所示:

这里uid和id是索引。该数据框是从单个索引数据框转换而来的，因此某些列存在重复值。对于每个uid，avg_diff的所有值都是相同的，但不同的uid将具有不同的该字段值。我想要获得具有不同 uid 的最大 10 个 avg_diff 值。

注意:这是一个巨大的数据框，所以我正在寻找最优化的方法。

Answer 1

我认为你可以先通过 get_level_values 删除重复项和 duplicated与 boolean indexing , ~ 用于反转 bool 掩码。

然后使用 DataFrame.nlargest或sort_values + head :

df = pd.DataFrame({'uid':[1,1,1,2,2,3,3], 'id':[2,3,4,5,6,1,3], 
                   'avg_diff':[0.1,0.1,0.1,0.2,0.2,0.3,0.3]})
df = df.set_index('uid').set_index('id', drop=False, append=True)
print (df)
        avg_diff  id
uid id              
1   2        0.1   2
    3        0.1   3
    4        0.1   4
2   5        0.2   5
    6        0.2   6
3   1        0.3   1
    3        0.3   3

<小时/>

mask = df.index.get_level_values('uid').duplicated() 
print (~mask)
[ True False False  True False  True False]

df = df[~mask].nlargest(2, 'avg_diff')
print (df)
        avg_diff  id
uid id              
3   1        0.3   1
2   5        0.2   5

另一个解决方案:

mask = df.index.get_level_values('uid').duplicated() 
print (~mask)
[ True False False  True False  True False]

df = df[~mask].sort_values('avg_diff', ascending=False).head(2)
print (df)

        avg_diff  id
uid id              
3   1        0.3   1
2   5        0.2   5