如何找到数据框中的三个最大值？答案

【问题标题】：how to find the three largest values in a data frame?如何找到数据框中的三个最大值？
【发布时间】：2017-01-18 08:19:08
【问题描述】：

问题中的数据集：

对于上图中显示的数据集，我试图找到人口最多的三个州，同时只考虑每个州的三个人口最多的县。我用CENSUS2010POP。

这个函数应该返回一个字符串值列表（按照人口最多到最低的顺序）。

以下是我的代码：

x=census_df.groupby('STNAME')['CENSUS2010POP'].nlargest(3)

此语句返回一个序列，其中将每个州的三个人口最多的县分组。

现在，除此之外我还能做些什么来进一步找到人口最多的州？

我是使用循环还是有其他有效的方法来解决这个问题？

【问题讨论】：

标签： python python-3.x pandas dataframe group-by

【解决方案1】：

尝试将 sum() 添加到函数中：

df = pd.DataFrame({'STNAME': ['Alabama', 'Alabama', 'Alabama', 'Alabama', 'Alaska', 'Alaska', 'Alaska', 'Alaska','New York', 'New York', 'New York', 'New York', 'California'], 
                   'CTYNAME': ['a', 'b', 'c', 'd', 'z', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l'], 
                   'CENSUS2010POP': [120000, 230000, 89000, 43000, 23000, 34000, 120000, 10000, 1200000, 1300000, 9800000, 560000, 45000]})

x=df.groupby('STNAME')['CENSUS2010POP'].sum().nlargest(3)

输出：

STNAME
New York    12860000
Alabama       482000
Alaska        187000
Name: CENSUS2010POP, dtype: int64

【讨论】：

【解决方案2】：

def answer_six():
    county = census_df[census_df['SUMLEV']==50]
    states = county.groupby('STNAME')['CENSUS2010POP'].apply(lambda x: x.nlargest(3).sum()).nlargest(3).index.values.tolist()

    return states
answer_six()

【讨论】：

【解决方案3】：

以下是我对此的看法。我知道不推荐使用 iteraion 生成数据框，所以如果有更好的建议，请分享。

fulldf3 = pd.DataFrame()
for i in census_df['STNAME'].unique():
    top3=census_df[(census_df['STNAME']==i) & (census_df['SUMLEV']==50)].groupby(['STNAME','CTYNAME'])['CENSUS2010POP'].sum().nlargest(3)
    dftop3=pd.DataFrame(top3)
    fulldf3=fulldf3.append(dftop3)

#gives the top3 states with population sum from top3 populous counties
fulldf3['CENSUS2010POP'].sum(level=0).nlargest(3)

#gives the names of the states in a list of strings
fulldf3['CENSUS2010POP'].sum(level=0).nlargest(3).index.to_list()

输出：

加利福尼亚州 15924150
德克萨斯州 8269632
伊利诺伊州 6815061

【讨论】：

此答案考虑了 SUMLEV 的含义，并发现仅根据每个州的三个人口最多的县计算人口最多的三个州。

【解决方案4】：

def answer_six():
    lst=[];
    df=census_df.groupby(['STNAME'])
    df=df.sum()
    for i in range(3):
        fd=df['CENSUS2010POP'].max()
        df_temp=df[df['CENSUS2010POP']==fd]
        lst.append(df_temp.index[0])

        df=df.drop(df_temp.index[0],axis=0)
    return lst
answer_six()

【讨论】：

【解决方案5】：

temp 提供州和县的数据（也保持 SUMLEV 标准）

tempo 为每个州提供前 3 个县

temp = census_df[census_df.SUMLEV==50].groupby(['STNAME','CTYNAME']).agg({"CENSUS2010POP":sum})
tempo = pd.DataFrame(temp['CENSUS2010POP'].groupby(level=0, group_keys=False).nlargest(3))
tempo.CENSUS2010POP.groupby(level=0, group_keys=False).sum().nlargest(3).index.tolist()

输出

STNAME
California    37253956
Texas         25145561
New York      19378102
Name: CENSUS2010POP, dtype: int64

【讨论】：