使用python數據表按組排列前N行

Question

在python數據表中按組查詢前N行的正確方法是什么？
例如，要通過id2, id4組獲得具有最大v3值的前 2 行，我將按以下方式進行 pandas 表達式：

df.sort_values('v3', ascending=False).groupby(['id2','id4']).head(2)

在 R 中使用data.table ：

DT[order(-v3), head(v3, 2L), by=.(id2, id4)]

或在 R 中使用dplyr ：

DF %>% arrange(desc(v3)) %>% group_by(id2, id4) %>% filter(row_number() <= 2L)

使用熊貓的示例數據和預期輸出：

import datatable as dt
dt = dt.Frame(id2=[1, 2, 1, 2, 1, 2], id4=[1, 1, 1, 1, 1, 1], v3=[1, 3, 2, 3, 3, 3])
df = dt.to_pandas()
df.sort_values('v3', ascending=False).groupby(['id2','id4']).head(2)
#   id2  id4  v3
#1    2    1   3
#3    2    1   3
#4    1    1   3
#2    1    1   2

Answer 1

從開始datatable的版本0.8.0，這可以通過組合分組，排序和過濾來實現：

from datatable import *
DT = Frame(id2=[1, 2, 1, 2, 1, 2], 
           id4=[1, 1, 1, 1, 1, 1], 
           v3=[1, 3, 2, 3, 3, 3])

DT[:2, :, by(f.id2, f.id4), sort(-f.v3)]

產生

     id2  id4  v3
---  ---  ---  --
 0     1    1   3
 1     1    1   2
 2     2    1   3
 3     2    1   3

[4 rows x 3 columns]

解釋：

• by(f.id2, f.id4)按“id2”和“id4”列對數據進行分組；
• 在sort(-f.v3)命令告訴datatable降序排列柱“V3”的記錄進行排序。 在by()存在的情況下，此運算符將應用於每個組中；
• 第一個:2選擇前 2 行，同樣在每個組內；
• 第二個:選擇所有列。 如果需要，這可能是一個列或表達式的列表，允許您對每組的前 2 行執行一些操作。