如何高效地提取 Pandas DataFrame 中每组的前 N ​​条记录？

Pandas：高效提取每组中的前几条记录

获取 DataFrame 中每组中的前几条记录是数据操作中的常见任务。本文介绍了实现此目标的多种方法，包括受 SQL 窗口函数启发的解决方案。

问题陈述：
给定一个带有分组列和值列的 DataFrame，我们想要提取每个组的前 n 条记录。

使用分组和行的朴素方法编号：
解决此问题的一种方法是应用分组操作，然后采用类似窗口函数的方法。这涉及到向每个组中的每条记录添加行号，然后根据该行号过滤顶部行。

实用解决方案：
更有效的解决方案包括使用分组 DataFrame 上的 head() 方法。默认情况下，head() 返回每组中的前 n 条记录。这与获取最高记录的目标非常吻合。

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

删除 MultiIndex：
要删除分组操作引入的 MultiIndex，我们使用reset_index(drop=True):

df.groupby('id').head(2).reset_index(drop=True)

输出：

   id  value
0   1      1
1   1      2
2   2      1
3   2      2
4   3      1
5   4      1

优雅的行编号方法：
虽然Python缺少row_number()函数对于 SQL，我们可以使用 groupby() 和 cumcount() 的组合来复制其功能。具体方法如下：

df['row_num'] = df.groupby('id').cumcount() + 1

此方法在每个组内分配唯一的行号，而无需引入额外的列或多重索引。

以上是如何高效地提取 Pandas DataFrame 中每组的前 N ​​条记录？的详细内容。更多信息请关注PHP中文网其他相关文章！