Pandas：根据每个组的每条前 i 条记录的总和获取前 n 条记录

Question

我有一个这样的熊猫数据框：

>>> df

    id    value   
0    1      10
1    1      11
2    1      9
3    2      7
4    2      7
5    2      8
6    3      10
7    3      8

我想根据前两个值的总和获得前两个 id。 所以在这里，我应该得到这个：

    id    # value   
0    1    # 11 + 10 = 21
1    3    # 10 + 8 = 18

我尝试使用：

df.groupby('id')['value'].nlargest(2).sum()

但这会返回所有最大值的总和。

我正在寻找我的问题的答案，但我没有找到正确的答案。

Answer 1

groupby.nlargest(2) 返回一个带有 MultiIndex 的系列：

df.groupby('id')['value'].nlargest(2)
Out: 
id   
1   1    11
    0    10
2   5     8
    3     7
3   6    10
    7     8
Name: value, dtype: int64

这里，id 和原始索引都出现在返回的 Series 中。现在如果你取总和，它将取这个系列中每个值的总和。但是，如果您在 level=0（或此 MultiIndex 的 id 部分）上应用总和，它只会分别取每个 id 的总和。

df.groupby('id')['value'].nlargest(2).sum(level=0)
Out: 
id
1    21
2    15
3    18
Name: value, dtype: int64

现在您有了每个 id 的两个最大值的总和。要查找此系列中最大的两个值，您需要再次调用 nlargest：

df.groupby('id')['value'].nlargest(2).sum(level=0).nlargest(2)
Out: 
id
1    21
3    18
Name: value, dtype: int64