基于Pandas按州取人口前三县，求总人口前三州的实现问题

我来帮你搞定这个需求！下面是分步的思路和可直接运行的代码，结合你的示例数据验证过结果：

步骤拆解 #

1. 按州分组，提取每个州人口Top3的县：用groupby()按州分组，再用nlargest(3)快速获取每组内人口最多的3个值
2. 计算每个州Top3县的总人口：对每个州的Top3人口求和
3. 排序并提取前三的州：按总人口降序排序，取前3个州名转为字符串列表

代码实现 #

首先导入pandas并创建你的示例数据：

import pandas as pd

# 示例数据
df = pd.DataFrame({
    'State': ['A', 'A','A','A','A','B','B','B','B','B','B','C','C','C','C','C', 'D','D', 'D', 'D'],
    'County': ['Aa', 'Ab','Ac','Ad', 'Ae', 'Ba','Ba','Bb','Bc','Bd','Be','Ca','Cb','Cc','Cd','Ce','Da','Db','Dc','Dd'],
    'Population': [25,35,45,60,12,80,45,60,20,30,14,65,87,65,13,29,45,60,75,80]
})

接下来执行核心逻辑：

# 1. 按州分组，取每个州人口最多的3个县的人口，然后求和
state_top3_total = df.groupby('State')['Population'].nlargest(3).sum(level='State')

# 2. 按总人口降序排序，取前3个州，转为字符串列表
top3_states = state_top3_total.sort_values(ascending=False).head(3).index.tolist()

print(top3_states)
# 输出结果：['C', 'D', 'B']

代码解释 #

• df.groupby('State')['Population'].nlargest(3)：按州分组后，每个组只保留人口最多的3个数值，返回的是带两级索引（State和原行索引）的Series
• .sum(level='State')：按State这个一级索引求和，得到每个州Top3县的总人口
• sort_values(ascending=False).head(3)：按总人口从高到低排序，取前3个
• .index.tolist()：提取州名并转为字符串列表

结果验证 #

结合你的示例数据：

• 州C的Top3县人口：87、65、65 → 总和217
• 州D的Top3县人口：80、75、60 → 总和215
• 州B的Top3县人口：80、60、45 → 总和185
  所以最终排名前三的州就是['C', 'D', 'B']，和代码输出一致。

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