Pandas分组获取各州Top5欺诈分后，如何添加原数据的保单号与索赔成本列？

方法一：使用groupby + apply + nlargest #

直接对每个州的分组DataFrame调用nlargest，保留所有需要的列：

# 按州分组，每组取欺诈分前5的行
final = fraud_score.groupby('state').apply(lambda x: x.nlargest(5, 'fraud_score')).reset_index(drop=True)

处理后final会包含policy_num、state、claim_cost和fraud_score所有列，每个州仅保留欺诈分最高的5条记录。

方法二：使用rank筛选 #

先给每个州内的记录按欺诈分排名，再筛选排名前5的条目：

# 给每个州内的欺诈分降序排名（相同分数按出现顺序区分）
fraud_score['fraud_rank'] = fraud_score.groupby('state')['fraud_score'].rank(ascending=False, method='first')

# 筛选排名前5的记录，删除临时排名列
final = fraud_score[fraud_score['fraud_rank'] <= 5].drop('fraud_rank', axis=1)

# 按州和欺诈分降序排序（可选，优化结果展示）
final = final.sort_values(['state', 'fraud_score'], ascending=[True, False])

原代码丢失列的原因 #

你之前的代码top5.groupby("state")["fraud_score"].nlargest(5)仅针对fraud_score列操作，返回结果只有该列和分组索引，因此丢失了policy_num和claim_cost。上面两种方法都是对整个分组的DataFrame处理，所以能保留所有需要的列。

内容的提问来源于stack exchange，提问作者whizbanng