我有下面的链接,上面是一个CSV文件,其中包含了我想操作的原始数据。
census_df = df = pd.read_csv('https://raw.githubusercontent.com/Qian-Han/coursera-Applied-Data-Science-with-Python/master/Introduction-to-Data-Science-in-Python/original_data/census.csv')
sortedit = census_df.sort_values(by = ['STNAME','CENSUS2010POP'],ascending=False)
我试图按列的降序排列数据。'CENSUS2010POP'。
我还想按 "州 "的英文字母顺序排列数据,因此我在其中加入了 'STNAME' 列在上面的公式中。
但是,我只想选择 3个最高值 对于 'CENSUS2010POP' 从每个州('STNAME')。
因此,如果总共有146个州,我应该在我的新数据框架中(因此在'CENSUS2010POP'列中)有(146 x 3)行。
如果有人能帮我一把,我将非常感激。
试试这个。
df = census_df.groupby(["STNAME"]).apply(lambda x: x.sort_values(["CENSUS2010POP"], ascending = False)).reset_index(drop=True)
df.groupby('STNAME').head(3)[['STNAME','CENSUS2010POP']]
第一条语句返回按以下方式排序的数据框 CENSUS2010POP
在每 STNAME
.
第二条语句返回前三名。
IIUC。groupby
与 .nalrgest
来创建一个索引过滤器,用 sort_values
df2 = df.iloc[df.groupby('STNAME')['CENSUS2010POP']\
.nlargest(3).index.get_level_values(1)]\
.sort_values(['STNAME','CENSUS2010POP'],ascending=True)
print(df['STNAME'].nunique())
51
print(df2.shape)
(152, 100)
print(df2[['STNAME','CENSUS2010POP']])
STNAME CENSUS2010POP
49 Alabama 412992
37 Alabama 658466
0 Alabama 4779736
76 Alaska 97581
71 Alaska 291826
... ... ...
3137 Wisconsin 947735
3096 Wisconsin 5686986
3182 Wyoming 75450
3180 Wyoming 91738
3169 Wyoming 563626
[152 rows x 2 columns]