如何在Pandas中按出现频率保留Top3客户名称并将其余标记为Other

嘿，我来帮你搞定这个问题！你的思路方向是对的，但代码里的loc语法出了问题，咱们一步步修正：

问题分析 #

你想要实现的是：仅保留customerId出现频率排名前三的客户原名称，其余统一标记为"Other"，核心是筛选出Top3的客户ID，再批量赋值。

错误代码的问题 #

你写的这行代码语法完全错误：

df.loc[df['customerId']].isin(v.index[v.gt(2)]), 'name2'] = df['name']

正确的loc用法应该是df.loc[筛选条件, 目标列名]，你把isin的位置和括号结构搞混了。

正确实现方案 #

方法1：按频次阈值筛选（和你的原思路匹配） #

如果你想保留出现次数>2的客户（刚好对应示例里的Top3），可以这么写：

import pandas as pd
d = {
    "customerId": [1, 1, 2, 2, 2, 2, 3, 3, 3, 4, 5, 5, 5, 5, 5],
    "name": ['max', 'max', 'lisa', 'lisa', 'lisa', 'lisa', 'michael', 'michael', 'michael', 'power', 'wind', 'wind', 'wind', 'wind', 'wind']
}
df = pd.DataFrame(data=d)

# 统计customerId的出现频次
v = df['customerId'].value_counts()
# 筛选出出现次数>2的customerId
top_ids = v.index[v.gt(2)]

# 初始化name2列为"Other"
df['name2'] = 'Other'
# 对符合条件的行，将name2赋值为原name的值
df.loc[df['customerId'].isin(top_ids), 'name2'] = df['name']

print(df)

方法2：更通用的Top3排名筛选（推荐） #

如果需求是严格取出现频率排名前三的客户（不管频次多少），用nlargest(3)更准确：

import pandas as pd
d = {
    "customerId": [1, 1, 2, 2, 2, 2, 3, 3, 3, 4, 5, 5, 5, 5, 5],
    "name": ['max', 'max', 'lisa', 'lisa', 'lisa', 'lisa', 'michael', 'michael', 'michael', 'power', 'wind', 'wind', 'wind', 'wind', 'wind']
}
df = pd.DataFrame(data=d)

# 统计频次并直接取排名前三的customerId
top3_ids = df['customerId'].value_counts().nlargest(3).index

df['name2'] = 'Other'
df.loc[df['customerId'].isin(top3_ids), 'name2'] = df['name']

print(df)

验证输出 #

运行上面的代码后，你会得到和期望完全一致的结果：

内容的提问来源于stack exchange，提问作者Test