pandas 实现分组后取第N行

目的：

将question_id对应的user_answer转换为ABCD格式。

solution

dfa=df.groupby('question_id').nth(0).reset_index()
dfa['flag']='A'
dfb=df.groupby('question_id').nth(1).reset_index()
dfb['flag']='B'
dfc=df.groupby('question_id').nth(2).reset_index()
dfc['flag']='C'
dfd=df.groupby('question_id').nth(3).reset_index()
dfd['flag']='D'

resdf=dfa.append([dfb,dfc,dfd])
resdf.sort_values(by='question_id')

result：

focus：

g.nth(0) 
#同 
g.first()
g.head(1)
g.last()

g.nth(2)
g.nth(-1)

g.nth(0,dropna='any')
g.B.nth(0,dropna='all')
g.groups
g.get_group(134429)
g.discribe()
g.agg([np.mean,np.sum.np,std])

补充：pandas的分组取最大多行并求和函数nlargest()。

在pandas库中，我们通常关注最大的前几个数据，例如销量最好的几款产品或几家门店。此前介绍的head()函数可以查看DataFrame的前几行，但若需查看最大或最小的几行，则需先进行排序。max()和min()函数虽能显示最大或最小值，但仅返回单个值。

因此，我们可以使用nlargest()函数。该函数的优点在于无需排序即可一次性获取最大的几行数据；其缺点则是无法直接查看最小的多行数据。

我们来看看单价排在前十的数据：

单价排在前十的数据

nlargest()函数的第一个参数指定截取的行数，第二个参数指定依据排序的列名。

这样即可筛选出单价最高的前十行数据，并按单价从高到低排列，索引保持原有顺序。

还可以按照total_price进行排名：

按照total_price排名

nlargest()函数还有一个参数keep，可选值为'first'或'last'。当存在重复值时，若设置keep='first'，则选取原始DataFrame中排在前面的记录；若设置keep='last'，则选取排在后面的记录。

由于nlargest()无法直接选取最小的多个值，若必须使用该函数进行选取，可采取以下方法。

首先设置一个辅助列：

先设置一个辅助列

然后进行选取：

以辅助列进行选取

当然，也可以通过head()结合排序来进行选取。

既然上述操作均可通过其他函数替代，那么nlargest()函数是否仍有必要介绍？学习该函数有何意义？

这正是本文重点介绍的内容：如果需要选择不同location_road下的前五名，应如何操作？

许多人第一反应可能是先分组然后进行max()操作，但此类操作仅能选择单列的最大值：

使用max()

然而，使用max()存在一个问题，即选取的是每一列的最大值，而非最大值所在的那一行数据。也就是说，只有在选取单列最大值时结果才是准确的。

此时，我们可以考虑使用apply和lambda自定义函数：

选取多个指标的TOP(N)

这样便选出了不同location_road下price排在前五的行数据。

在此场景下使用nlargest()函数非常便捷，且结果已默认按顺序排列。

此外，还有一些场景需要计算分组的前几名，然后进行求和，我们同样可以使用nlargest()进行操作：

分组之后进行求和

使用这种方法可能会出现报错提示，原因在于列名和索引中均存在location_road，导致重复，系统发出警告。实际使用时，可先修改列名再操作。我们也可以换一种方式，直接按照索引进行求和，这样便不会产生警告：

以上为个人经验，希望能给大家一个参考，也希望大家多多支持本站。如有错误或未考虑完全的地方，望不吝赐教。