Pandas：如何获取每个分组下的两个最大子组求和值？

我有一个包含A、B、C列的DataFrame，需先按A分组，再按B子组计算C列的求和值，之后获取每个A分组下的两个最高求和值。

示例数据 #

data = {'State': ['NY', 'NY', 'NY', 'NY', 'CA', 'CA', 'CA', 'CA'],
        'City': ['New York', 'Buffalo', 'New York', 'Albany', 'SF', 'LA', 'SF', 'SD'],
        'Value': [25, 30, 35, 40, 10, 15, 20, 10],}
df = pd.DataFrame(data)

预期结果 #

注：根据示例数据，LA的Sum of Value应为15，此处可能是笔误

尝试的代码 #

summed = df.groupby(['A','B'])['C'].sum() 
grouped = summed.groupby('A').nlargest(2)

注：此处A对应示例数据的State列，B对应City列，C对应Value列。该代码能得到正确结果，但存在A列作为双重索引的问题，有没有更简洁的方法避免双重索引？

解决方法 #

方法一：先重置索引再分组筛选 #

先将分组求和后的双重索引转为普通列，再按A列分组取每组求和值最大的2条数据：

# 按State和City求和，重置索引生成普通列
summed = df.groupby(['State', 'City'])['Value'].sum().reset_index(name='Sum of Value')
# 按State分组，取每组Sum of Value前两大的记录
result = summed.groupby('State').apply(lambda x: x.nlargest(2, 'Sum of Value')).reset_index(drop=True)

方法二：在双重索引基础上直接处理 #

保留分组求和后的双重索引，通过移除外层索引并重置最终索引来得到普通列结构：

result = df.groupby(['State', 'City'])['Value'].sum()\
           .groupby(level=0)\
           .nlargest(2)\
           .reset_index(level=0, drop=True)\
           .reset_index(name='Sum of Value')

方法三：用排名筛选 #

先计算每组内的求和值排名，再筛选排名前2的记录：

summed = df.groupby(['State', 'City'])['Value'].sum().reset_index(name='Sum of Value')
# 计算每个State组内的求和值排名（降序，相同值保留原始顺序）
summed['rank'] = summed.groupby('State')['Sum of Value'].rank(ascending=False, method='first')
# 筛选排名前2的记录并移除排名列
result = summed[summed['rank'] <= 2].drop('rank', axis=1)

以上三种方法都能得到无双重索引的结果，可根据个人习惯选择。

内容的提问来源于stack exchange，提问作者Q-Win