在熊猫中，如何在DataFrame中排名前十组数据？

Question

我有一个数据帧，看起来像这样：

import pandas as pd 
import numpy as np 
rand = np.random.RandomState(1) 
df = pd.DataFrame({'A': ['foo', 'bar', 'baz'] * 10, 
        'B': [rand.choice(['cat', 'dog', 'fish', 'pig', 'cow']) for i in range(30)], 
        'C': 1}) 

>> df.head(5) 
    A B C 
0 foo pig 1 
1 bar cow 1 
2 baz cat 1 
3 foo dog 1 
4 bar pig 1 

我再由不同的组合组获得计数，这是我为了按组下降，就像这样：

>> d = df.groupby(['A','B']).sum(); 
>> d = d.groupby(level=0, group_keys=False).apply(lambda x: x.sort_values('C', ascending=False)); d 

      C 
A B  
bar dog 4 
    cow 2 
    fish 2 
    cat 1 
    pig 1 
baz cow 4 
    cat 3 
    fish 2 
    dog 1 
foo dog 4 
    cow 3 
    pig 2 
    cat 1 

我现在想什么对于A中的每个组，保持排名前2位，并将剩下的数字总结为“其他”。我有一个函数summarise()哪种类型的作品：

def summarise(l, n=10, name='Other'): 
    h = l.head(n) 

    idx = l.index[0] 
    if isinstance(idx, (list, tuple)): 
     prefix = list(idx[:-1]) 
    else: 
     prefix = [] 
    return h.append(pd.DataFrame([l.tail(-n).sum()], columns=l.columns, index=[tuple(prefix+[name])])) 

>> summarise(d, n=2) 
      C 
A B   
bar dog  4 
    cow  2 
    Other 24 

但是，如果我尝试使用适用于做它每次炸毁组。看来该函数通过Series而不是？

我想输出的是以下几点：

A  B C 
bar dog 4 
bar cow 2 
bar Other 4 
baz cow 4 
baz cat 3 
baz Other 3 
foo dog 4 
foo cow 3 
foo Other 3 

我还以为那d.groupby('A').tail(-2).sum()会的工作，但它不会做什么我的期望。

编辑：感谢我的答案，我想出了以下功能，应该可以帮助未来的人。有点烦人，1列和更多列的情况是不同的，但也是如此。支持每组最高N，但也是一个截止百分比。有了这个功能，我可以很容易地以多种方式切分和裁切数据。

def top_per_group(df, cols, n=None, p=None, name='Other'): 
    d=df.groupby(cols).size().sort_values(ascending=False) 
    if len(cols) > 1: 
     d = d.sortlevel(0, sort_remaining=False) 

    d = d.reset_index() 

    if n: 
     if len(cols) > 1: 
      sel_list = d.groupby(cols[:-1]).cumcount()<n 
     else: 
      sel_list = d.index<n 
    else: 
     if len(cols) > 1: 
      sel_list = d.groupby(cols[:-1])[0].apply(lambda x: x/float(x.sum())) >= p 
     else: 
      sel_list = d[0].div(d[0].sum()) >= p 

    grouper = d[cols[-1]].where(sel_list, name) 
    return d.groupby(cols[:-1] + [grouper], sort=False).sum().reset_index() 

Answer 1

如果重置索引，您可以创建累计次数石斑鱼：

d = d.reset_index() 
grouper = d['B'].where(d.groupby('A').cumcount()<2, 'Other') 
d.groupby(['A', grouper], sort=False).sum() 
Out: 
      C 
A B  
bar dog 4 
    cow 2 
    Other 4 
baz cow 4 
    cat 3 
    Other 3 
foo dog 4 
    cow 3 
    Other 3 

或者与reset_index：

d.groupby(['A', grouper], sort=False).sum().reset_index() 
Out: 
    A  B C 
0 bar dog 4 
1 bar cow 2 
2 bar Other 4 
3 baz cow 4 
4 baz cat 3 
5 baz Other 3 
6 foo dog 4 
7 foo cow 3 
8 foo Other 3