Pandas：如何对子类别中的前 N 个观察值进行子集化（和求和）？答案

【问题标题】：Pandas: How to subset (and sum) top N observations within subcategories?Pandas：如何对子类别中的前 N 个观察值进行子集化（和求和）？
【发布时间】：2018-12-07 05:13:12
【问题描述】：

在这样的熊猫数据框中：

     year      month  passengers
0    1949    January         112
1    1949   February         118
2    1949      March         132
3    1949      April         129
4    1949        May         121
5    1949       June         135
.
.
.
137  1960       June         535
138  1960       July         622
139  1960     August         606
140  1960  September         508
141  1960    October         461
142  1960   November         390
143  1960   December         432

如何对每年乘客最多的 3 个月进行细分（并计算）？

可以从 seaborn 数据集中复制完全相同的数据帧：

import pandas as pd
import seaborn as sns

df = sns.load_dataset('flights')
df

这是我尝试过的：

根据this post 的 cmets 中的建议，我发现在重新索引数据帧后，我可以使用 nlargest() 子集数据帧：

df = df.set_index(['year', 'month'])
df2 = df.groupby(level=0)['passengers'].nlargest(3)
df2

输出：

year  year  month    
1949  1949  July         148
            August       148
            September    136
1950  1950  July         170
            August       170

但由于某种原因，year index 重复了，我仍然需要重新索引、按年份对数据框进行分组并对结果求和。这已经开始变得混乱了，所以没有更好的方法吗？

这是一个简单的复制粘贴的全部内容：

import pandas as pd
import seaborn as sns
df = sns.load_dataset('flights')
df = df.set_index(['year', 'month'])
df2 = df.groupby(level=0)['passengers'].nlargest(3)

这是所需输出的形状：

# Sum of top 3 months for each year (no index other than default pandas dataframe index)

    year    sum
0   1949    600 (the sum is made up)
1   1950    600
.
.
.
10  1960    600

感谢您的任何建议！

编辑：系统信息：

Python 3.6.0

熊猫 0.19.2

Windows 7

【问题讨论】：

这很有趣：我复制了你的代码，但我得到了一个很长的异常链，主要是 TypeError: nlargest() got an unexpected keyword argument 'axis'，与 ValueError: Duplicated level name: "year", assigned to level 1, is already used for level 0. 交织在一起。 Pandas 0.23.1 版，Seaborn 0.8.1 版。
对我来说，您的解决方案返回 ValueError，可能是因为另一个 seaborn vesrion（在 pandas 0.23.1 中）
我在 pandas 0.19.2
@jezrael 在使用 Python 2 时，您会看到一个简单的 ValueError。Python 3 具有链式回溯。
@jezrael ValueError 确实是我在链中遇到的最后一个错误，但如果你追溯它，你应该会看到很多“由”上面。因此我引用了那些。

标签： python pandas

【解决方案1】：

我认为需要GroupBy.apply、Series.nlargest 和sum：

df = sns.load_dataset('flights')
df2 = df.groupby('year')['passengers'].apply(lambda x: x.nlargest(3).sum()).reset_index()
print (df2)
    year  passengers
0   1949         432
1   1950         498
2   1951         582
3   1952         690
4   1953         779
5   1954         859
6   1955        1026
7   1956        1192
8   1957        1354
9   1958        1431
10  1959        1579
11  1960        1763

【讨论】：