pandas nlargest() 排序后最大的几行数据

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

pandas 的 nlargest() 方法用于从 DataFrame 中返回按指定列的值排序后的前 n 行数据。这个方法通常用于查找数据集中数值最大的若干行，比如要找出某个指标值最高的前几名数据时。

语法

返回按列降序排列的前n行。按降序返回列中值最大的前n行。未指定的列也会返回，但不用于排序。

此方法等效于 df.sort_values(columns, ascending=False).head(n)，但性能更高。

DataFrame.nlargest(
    n: int,
    columns: str | list[str],
    keep: str = 'first'
)

nlargest() 主要支持 int、float 类型的列数据。对于字符串类型的列或其他无法进行大小比较的列，不能使用该方法。

此函数不能用于所有列类型。例如，当指定具有对象或类别数据类型的列时，会引发TypeError。

参数解释

n：
- 类型: int
- 意义: 指定返回的行数，即前 n 行。如果 n 大于数据总行数，将返回所有行。
columns：
- 类型: str 或 list[str]
- 意义: 按此列或列的组合进行排序，选择最大的前 n 行数据。可以传入单列名称的字符串或列名称列表。
keep：
- 类型: str
- 意义: 当存在多行数据的排序值相同时，keep 参数决定保留哪些行。可选值有：
  - 'first'：保留排序后前 n 个出现的行（默认值）。
  - 'last'：保留排序后最后 n 个出现的行。
  - 'all'：保留所有具有相同排序值的行。

返回值

类型: DataFrame
意义: 返回一个新的 DataFrame，包含排序后的前 n 行数据，并且保持原始 DataFrame 的索引。

使用场景

nlargest() 通常在需要找到数据集中数值最大的若干行时使用，比如找到前 5 名销售额最高的产品、最高分的学生、或体重最重的动物等。

示例

df = pd.DataFrame({'population': [59000000, 65000000, 434000,
                                  434000, 434000, 337000, 11300,
                                  11300, 11300],
                   'GDP': [1937894, 2583560 , 12011, 4520, 12128,
                           17036, 182, 38, 311],
                   'alpha-2': ["IT", "FR", "MT", "MV", "BN",
                               "IS", "NR", "TV", "AI"]},
                  index=["Italy", "France", "Malta",
                         "Maldives", "Brunei", "Iceland",
                         "Nauru", "Tuvalu", "Anguilla"])
df
'''
          population      GDP alpha-2
Italy       59000000  1937894      IT
France      65000000  2583560      FR
Malta         434000    12011      MT
Maldives      434000     4520      MV
Brunei        434000    12128      BN
Iceland       337000    17036      IS
Nauru          11300      182      NR
Tuvalu         11300       38      TV
Anguilla       11300      311      AI
'''

在下面的示例中，我们将使用nlargest选择“population”列中具有最大值的三行。

df.nlargest(3, 'population')
'''
        population      GDP alpha-2
France    65000000  2583560      FR
Italy     59000000  1937894      IT
Malta       434000    12011      MT
'''

当使用keep='last'时，关系以相反的顺序解析：

df.nlargest(3, 'population', keep='last')
'''
        population      GDP alpha-2
France    65000000  2583560      FR
Italy     59000000  1937894      IT
Brunei      434000    12128      BN
'''

当使用keep='all'时，如果最小元素有重复值，则保留的元素数量可以超过n，所有关系都保留：

df.nlargest(3, 'population', keep='all')
'''
          population      GDP alpha-2
France      65000000  2583560      FR
Italy       59000000  1937894      IT
Malta         434000    12011      MT
Maldives      434000     4520      MV
Brunei        434000    12128      BN
'''

但是，nlargest不保留n个不同的最大元素：

df.nlargest(5, 'population', keep='all')
'''
          population      GDP alpha-2
France      65000000  2583560      FR
Italy       59000000  1937894      IT
Malta         434000    12011      MT
Maldives      434000     4520      MV
Brunei        434000    12128      BN
'''

要按“人口”列和“GDP”列中的最大值排序，我们可以指定多个列，如下例所示。

df.nlargest(3, ['population', 'GDP'])
'''
        population      GDP alpha-2
France    65000000  2583560      FR
Italy     59000000  1937894      IT
Brunei      434000    12128      BN
'''

案例

下面通过几个例子来说明 nlargest() 的使用。

示例 1：查找单列中的最大值

假设有一个包含学生成绩的 DataFrame，我们想要找出成绩最高的 3 个学生。

import pandas as pd

# 构造示例数据
data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
    'Score': [85, 92, 88, 79, 95]
}
df = pd.DataFrame(data)

# 输出构造的数据
print(df)

# 找出成绩最高的 3 个学生
top_students = df.nlargest(3, 'Score')

# 输出结果
print(top_students)

输出：

Name  Score
0   Alice     85
1     Bob     92
2 Charlie     88
3   David     79
4     Eva     95

     Name  Score
4     Eva     95
1     Bob     92
2 Charlie     88

示例 2：按多列排序查找最大值

在一些情况下，可能需要按多个列进行排序，比如按销售额和利润共同排序，找出排名前 3 的产品。

import pandas as pd

# 构造示例数据
data = {
    'Product': ['A', 'B', 'C', 'D', 'E'],
    'Sales': [200, 150, 300, 250, 200],
    'Profit': [50, 80, 60, 90, 100]
}
df = pd.DataFrame(data)

# 输出构造的数据
print(df)

# 找出销售额和利润排名前 3 的产品
top_products = df.nlargest(3, ['Sales', 'Profit'])

# 输出结果
print(top_products)

输出：

Product  Sales  Profit
0       A    200      50
1       B    150      80
2       C    300      60
3       D    250      90
4       E    200     100

  Product  Sales  Profit
2       C    300      60
3       D    250      90
4       E    200     100

在这个例子中，首先按照 Sales 进行排序，如果 Sales 相同，则按照 Profit 进行排序。

参考

https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.nlargest.html

< sample() 随机抽取样本 pandas 查询筛选数据 nsmallest() 指定列的值排序后的数据 >

更新时间：2024-08-21 14:29:20 标签：pandas python 排序筛选