在 pandas groupby上发布了一个新的更通用的问题：每个组中的前3个值并存储在DataFrame中)，并且在那里已经找到了可行的解决方案。
在此示例中，我创建了一个数据帧df，其中的一些随机数据间隔为5分钟。我想创建一个数据框gdf（ df分组 ），其中列出了每小时的 3个最高值 。
df
gdf
即：从这一系列价值
VAL TIME 2017-12-08 00:00:00 29 2017-12-08 00:05:00 56 2017-12-08 00:10:00 82 2017-12-08 00:15:00 13 2017-12-08 00:20:00 35 2017-12-08 00:25:00 53 2017-12-08 00:30:00 25 2017-12-08 00:35:00 23 2017-12-08 00:40:00 21 2017-12-08 00:45:00 12 2017-12-08 00:50:00 15 2017-12-08 00:55:00 9 2017-12-08 01:00:00 13 2017-12-08 01:05:00 87 2017-12-08 01:10:00 9 2017-12-08 01:15:00 63 2017-12-08 01:20:00 62 2017-12-08 01:25:00 52 2017-12-08 01:30:00 43 2017-12-08 01:35:00 77 2017-12-08 01:40:00 95 2017-12-08 01:45:00 79 2017-12-08 01:50:00 77 2017-12-08 01:55:00 5 2017-12-08 02:00:00 78 2017-12-08 02:05:00 41 2017-12-08 02:10:00 10 2017-12-08 02:15:00 10 2017-12-08 02:20:00 88
我非常接近解决方案，但我找不到最后一步的正确语法。我到现在为止（largest3）的结果是：
largest3
VAL TIME TIME 2017-12-08 00:00:00 2017-12-08 00:10:00 82 2017-12-08 00:05:00 56 2017-12-08 00:25:00 53 2017-12-08 01:00:00 2017-12-08 01:40:00 95 2017-12-08 01:05:00 87 2017-12-08 01:45:00 79 2017-12-08 02:00:00 2017-12-08 02:20:00 88 2017-12-08 02:00:00 78 2017-12-08 02:05:00 41
我想从中获取此信息gdf（达到每个最大值的时间并不重要）：
VAL1 VAL2 VAL3 TIME 2017-12-08 00:00:00 82 56 53 2017-12-08 01:00:00 95 87 79 2017-12-08 02:00:00 88 78 41
这是代码：
import pandas as pd from datetime import * import numpy as np # test data df = pd.DataFrame() date_ref = datetime(2017,12,8,0,0,0) days = pd.date_range(date_ref, date_ref + timedelta(0.1), freq='5min') np.random.seed(seed=1111) data1 = np.random.randint(1, high=100, size=len(days)) df = pd.DataFrame({'TIME': days, 'VAL': data1}) df = df.set_index('TIME') print(df) print("----") # groupby group1 = df.groupby(pd.Grouper(freq='1H')) largest3 = pd.DataFrame(group1['VAL'].nlargest(3)) print(largest3) gdf = pd.DataFrame() # ???? <-------------------
先感谢您。
注意：仅当每个组至少有3行时，此解决方案才有效
请尝试以下方法：
In [59]: x = (df.groupby(pd.Grouper(freq='H'))['VAL'] .apply(lambda x: x.nlargest(3)) .reset_index(level=1, drop=True) .to_frame('VAL')) In [60]: x Out[60]: VAL TIME 2017-12-08 00:00:00 82 2017-12-08 00:00:00 56 2017-12-08 00:00:00 53 2017-12-08 01:00:00 95 2017-12-08 01:00:00 87 2017-12-08 01:00:00 79 2017-12-08 02:00:00 88 2017-12-08 02:00:00 78 2017-12-08 02:00:00 41 In [61]: x.set_index(np.arange(len(x)) % 3, append=True)['VAL'].unstack().add_prefix('VAL') Out[61]: VAL0 VAL1 VAL2 TIME 2017-12-08 00:00:00 82 56 53 2017-12-08 01:00:00 95 87 79 2017-12-08 02:00:00 88 78 41
一些解释：
In [94]: x.set_index(np.arange(len(x)) % 3, append=True) Out[94]: VAL TIME 2017-12-08 00:00:00 0 82 1 56 2 53 2017-12-08 01:00:00 0 95 1 87 2 79 2017-12-08 02:00:00 0 88 1 78 2 41 In [95]: x.set_index(np.arange(len(x)) % 3, append=True)['VAL'].unstack() Out[95]: 0 1 2 TIME 2017-12-08 00:00:00 82 56 53 2017-12-08 01:00:00 95 87 79 2017-12-08 02:00:00 88 78 41
