Pandalar her grupta en üstteki n kaydı alır

Diyelim ki böyle DataFrame pandaları var:

>>> df = pd.DataFrame({'id':[1,1,1,2,2,2,2,3,4],'value':[1,2,3,1,2,3,4,1,1]})
>>> df
   id  value
0   1      1
1   1      2
2   1      3
3   2      1
4   2      2
5   2      3
6   2      4
7   3      1
8   4      1

Bu gibi her id için ilk 2 kayıtları ile yeni bir DataFrame almak istiyorum:

   id  value
0   1      1
1   1      2
3   2      1
4   2      2
7   3      1
8   4      1

Ben grup sonra grup içindeki kayıtları numaralandırma ile yapabilirsiniz:

>>> dfN = df.groupby('id').apply(lambda x:x['value'].reset_index()).reset_index()
>>> dfN
   id  level_1  index  value
0   1        0      0      1
1   1        1      1      2
2   1        2      2      3
3   2        0      3      1
4   2        1      4      2
5   2        2      5      3
6   2        3      6      4
7   3        0      7      1
8   4        0      8      1
>>> dfN[dfN['level_1'] <= 1][['id', 'value']]
   id  value
0   1      1
1   1      2
3   2      1
4   2      2
7   3      1
8   4      1

Ama bunu yapmak için daha etkili / zarif bir yaklaşım var mı? Ayrıca her gruptaki sayı kayıtlarına daha zarif bir yaklaşım var (SQL pencere işlevi row_number () gibi ).

Denedin mi df.groupby('id').head(2)

Çıktı üretildi:

>>> df.groupby('id').head(2)
       id  value
id             
1  0   1      1
   1   1      2 
2  3   2      1
   4   2      2
3  7   3      1
4  8   4      1

(Verilerinize bağlı olarak daha önce sipariş vermeniz / sıralamanız gerekebileceğini unutmayın)

EDIT: Sorgulayan tarafından belirtildiği gibi df.groupby('id').head(2).reset_index(drop=True), çoklu dizini kaldırmak ve sonuçları düzleştirmek için kullanın.

>>> df.groupby('id').head(2).reset_index(drop=True)
    id  value
0   1      1
1   1      2
2   2      1
3   2      2
4   3      1
5   4      1

0.14.1'den beri , şimdi bir nesne üzerinde nlargestve nsmallestüzerinde yapabilirsiniz groupby:

In [23]: df.groupby('id')['value'].nlargest(2)
Out[23]: 
id   
1   2    3
    1    2
2   6    4
    5    3
3   7    1
4   8    1
dtype: int64

Orada siz de orada orijinal indeksi almak hafif bir tuhaflık var, ama bu orijinal indeks ne bağlı olarak gerçekten yararlı olabileceğini oldu .

Eğer ilgilenmiyorsanız .reset_index(level=1, drop=True), ondan tamamen kurtulmak için yapabilirsiniz .

(Not: 0.17.1'den itibaren bunu bir DataFrameGroupBy üzerinde de yapabilirsiniz, ancak şimdilik sadece Seriesve ile çalışır SeriesGroupBy.)

Bazen tüm verileri önceden sıralamak çok zaman alır. İlk olarak gruplayabilir ve her grup için topk yapabiliriz:

g = df.groupby(['id']).apply(lambda x: x.nlargest(topk,['value'])).reset_index(drop=True)