在Python中檢查數據框列的頂部值

Question

我有一個大型數據集，看起來像：

Shop              Date           Hour Ending         Hours Operating        Produced   
Cornerstop        01-01-2010          0                     1                   9
Cornerstop        01-01-2010          1                     1                   11
Cornerstop        01-01-2010          2                     1                   10
. 
.

Cornerstop        01-01-2010          23                    1                   0
Leaf Grove        01-01-2010          0                     1                   7
Leaf Grove        01-01-2010          1                     1                   4
Leaf Grove        01-01-2010          2                     1                   2

我想找出按產量計算排名前20位的商店。 我已經使用data.describe()來檢查最高百分比，但這對我沒有幫助，因為如果我將閾值設置為“已生產”的最高百分比，那么某些日子將丟失在數據中。

這是一個新手問題，但是如何根據此標准輕松選擇和定位這些頂級商店？ 也許僅使用百分位數創建一系列頂級店鋪，然后在數據集中剔除這些店鋪？ 感覺有更好的方法可以做到這一點。

Answer 1

使用sort_values()和head() ：

df.sort_values('Produced', ascending=False).head(20)

如果要匯總每個商店的生產值然后進行排序，可以執行以下操作：

df.groupby('Shop').agg({'Produced': 'sum'}).sort_values('Produced', ascending=False).head(20)

Answer 2

接下來如何對列進行排序，然后排在前20位呢？

df= df.sort_values(['Produced'], ascending=[False])
df.head(20)

Answer 3

使用.nlargest

df.groupby('Shop').Produced.sum().nlargest(20)

如果只需要商店列表，請添加.index.tolist() 。