如何从Python DataFrame列中获取前N个不同最大值的所有行？

问题背景 #

需求：从Python DataFrame的duration列中获取前3个不同最大值的所有重复行。

现有代码 #

# to get 3 largest numbers from column duration with all duplicates
import pandas as pd
technologies =  "A B C D E F G H I J".split()
duration     = [88,70,50,87,77,88,77,88,1,87]
columns      = ['technologies','duration']
df = pd.DataFrame(list(zip(technologies,duration)), columns=columns)

print(df.nlargest(3, 'duration',keep = "all"))

当前输出 #

technologies  duration
0            A        88
5            F        88
7            H        88

期望输出 #

technologies  duration
0            A        88
5            F        88
7            H        88
3            D        87
9            J        87
4            E        77
6            G        77

原代码的问题在于：nlargest(3, 'duration', keep="all")是按行取前3个最大记录，但所有最大值为88的行已超过3条，因此只会返回所有88的行，无法覆盖第二、第三大的不同值。

解决方案 #

要实现需求，需先提取前3个不同的最大值，再筛选出所有duration属于该集合的行。

修改后的代码 #

import pandas as pd
technologies =  "A B C D E F G H I J".split()
duration     = [88,70,50,87,77,88,77,88,1,87]
columns      = ['technologies','duration']
df = pd.DataFrame(list(zip(technologies,duration)), columns=columns)

# 提取降序排列的前3个不同duration值
top_3_unique_values = df['duration'].drop_duplicates().sort_values(ascending=False)[:3].tolist()

# 筛选符合条件的行，并按duration降序排列
result = df[df['duration'].isin(top_3_unique_values)].sort_values('duration', ascending=False)

print(result)

代码解释 #

1. df['duration'].drop_duplicates()：获取去重后的duration值，确保每个值仅出现一次。
2. sort_values(ascending=False)[:3]：将去重后的数值降序排列，取前3个即为最大的三个不同值。
3. df['duration'].isin(top_3_unique_values)：筛选出所有duration属于这三个值的行。
4. sort_values('duration', ascending=False)：按duration降序排列，让结果与期望输出格式一致。

另一种简洁写法 #

也可以用unique()结合排序实现：

top_3_unique_values = sorted(df['duration'].unique(), reverse=True)[:3]
result = df[df['duration'].isin(top_3_unique_values)].sort_values('duration', ascending=False)
print(result)

内容的提问来源于stack exchange，提问作者user20773638