PANDAS数据框python：想要按组对值进行排序答案

【问题标题】：PANDAS dataframe python: wanting to sort values by groupPANDAS数据框python：想要按组对值进行排序
【发布时间】：2020-05-11 15:12:09
【问题描述】：

Link to census data

我在上面有一个 CSV 文件的以下链接，其中包含我希望处理的原始数据。

census_df = df = pd.read_csv('https://raw.githubusercontent.com/Qian-Han/coursera-Applied-Data-Science-with-Python/master/Introduction-to-Data-Science-in-Python/original_data/census.csv')
sortedit = census_df.sort_values(by = ['STNAME','CENSUS2010POP'],ascending=False)

我正在尝试按列 'CENSUS2010POP' 的降序排列数据。

我还想按“状态”的字母顺序对数据进行排序，因此我在上面的公式中包含 'STNAME' 列。

但是，我只想从每个州 ('STNAME') 中为 'CENSUS2010POP' 选择 3 个最高值。

因此，如果总共有 146 个州，我应该 (146 x 3) 行在我的新数据框中（因此在“CENSUS2010POP”列中）。

如果有人能帮我一把，我将不胜感激？

【问题讨论】：

标签： python pandas csv dataframe series

【解决方案1】：

IIUC，groupby 和 .nalrgest 创建索引过滤器，与 sort_values 链接

df2 = df.iloc[df.groupby('STNAME')['CENSUS2010POP']\
                              .nlargest(3).index.get_level_values(1)]\
                              .sort_values(['STNAME','CENSUS2010POP'],ascending=True)

print(df['STNAME'].nunique())

51


print(df2.shape)
(152, 100)

print(df2[['STNAME','CENSUS2010POP']])

   STNAME  CENSUS2010POP
49      Alabama         412992
37      Alabama         658466
0       Alabama        4779736
76       Alaska          97581
71       Alaska         291826
...         ...            ...
3137  Wisconsin         947735
3096  Wisconsin        5686986
3182    Wyoming          75450
3180    Wyoming          91738
3169    Wyoming         563626

[152 rows x 2 columns]

【讨论】：

我还没有检查答案，但我的整体代码现在看起来像这样： def answer_six(): df = census_df.groupby(["STNAME"]).apply(lambda x: x. sort_values(["CENSUS2010POP"], 升序 = False)).reset_index(drop=True) df.groupby('STNAME').head(3)[['STNAME','CENSUS2010POP']] df.sort_values([" CENSUS2010POP"],ascending=False) df = df[0:3] return df['STNAME'] 如此有效，它将返回 'CENSUS2010POP' 值最大的 3 个州的名称。它给了我：加利福尼亚、德克萨斯、纽约 :)
我会避免申请，因为它只能在不能使用任何 api 方法来重新塑造数据时作为最后的手段。有本地方法来处理您的问题，这将工作速度更快，更具可扩展性。 @Caledonian26

【解决方案2】：

试试这个：

df = census_df.groupby(["STNAME"]).apply(lambda x: x.sort_values(["CENSUS2010POP"], ascending = False)).reset_index(drop=True)

df.groupby('STNAME').head(3)[['STNAME','CENSUS2010POP']]

第一条语句返回每个STNAME中按CENSUS2010POP排序的数据帧。

第二条语句返回前 3 个。

【讨论】：