从 Pandas DataFrame 中按类别选取前 N 行

本文旨在介绍如何使用 Pandas 的 groupby() 和 head() 函数，从 DataFrame 中根据特定类别选取前 N 行数据。通过示例代码，读者将学会如何灵活地筛选和处理分组数据，从而提取所需的信息。无论数据集中每个类别的数据量是否一致，该方法都能保证选取指定数量的头部数据。

在数据分析任务中，经常需要从 DataFrame 中按类别筛选出特定数量的行。例如，在一个包含学生姓名、类别和分数的 DataFrame 中，我们可能需要提取每个类别中分数最高的几名学生。Pandas 提供了强大的 groupby() 和 head() 函数，可以轻松实现这一目标。

使用 groupby() 和 head() 函数

groupby() 函数用于将 DataFrame 按照指定的列进行分组。head(n) 函数则用于选取每个分组的前 n 行数据。将这两个函数结合使用，可以实现按类别选取前 N 行的功能。

以下是一个示例代码：

import pandas as pd  # 创建示例 DataFrame data = [['Tom', 'A', 10], ['Jack', 'A', 9], ['Andy', 'A', 8],         ['Lily', 'A', 7], ['Johan', 'B', 10], ['Ewa', 'B', 9],         ['Alice', 'B', 8], ['Bob', 'B', 7], ['Charlie', 'C', 10]]  df = pd.DataFrame(data, columns=['Name', 'Category', 'Score'])  # 按类别分组，并选取每个类别的前 3 行 top3_category = df.groupby('Category').head(3)  # 打印结果 print(top3_category)

这段代码首先创建了一个包含学生姓名、类别和分数的 DataFrame。然后，使用 groupby(‘Category’) 将 DataFrame 按照 ‘Category’ 列进行分组。最后，使用 head(3) 选取每个分组的前 3 行数据，并将结果存储在 top3_category 变量中。

代码解释

• df.groupby(‘Category’): 这行代码将 DataFrame df 按照 ‘Category’ 列的值进行分组。这意味着具有相同 ‘Category’ 值的行将被放在一起。
• .head(3): 这行代码应用于每个分组。对于每个分组，它选取前 3 行。如果一个分组的行数少于 3 行，则选取该分组的所有行。

注意事项

• 如果需要选取每个类别的特定数量的行，并且希望按照某一列进行排序后再选取，可以先使用 sort_values() 函数进行排序，然后再使用 groupby() 和 head() 函数。
• 如果需要处理缺失值，可以在使用 groupby() 函数之前，使用 fillna() 函数填充缺失值。
• head() 函数选取的是每个分组的前 n 行，如果需要选取每个分组的后 n 行，可以使用 tail() 函数。

总结

本文介绍了如何使用 Pandas 的 groupby() 和 head() 函数，从 DataFrame 中根据特定类别选取前 N 行数据。该方法简单易用，能够灵活地处理各种数据筛选需求。通过掌握该方法，可以更加高效地进行数据分析和处理。