如何用Python Pandas按col1分组获取col3前3最大值并显示col2

给定如下数据集：

需求：用Python Pandas实现按col1中的类别分组，每个组内获取col3的前3个最大值，同时显示对应的col2（子类别），输出格式如下：

category1:
          subcat4  23
          subcat2  15
          subcat1  10
category2:
          subcat8  105
          subcat2  99
          subcat7  45
category3:
          subcat4  25
          subcat3  14
          subcat2  9

1. 导入Pandas库
   先导入处理表格数据的核心库：

   import pandas as pd
   

2. 创建/读取数据集
   可以用字典构造示例数据，也可以从文件读取（比如用pd.read_csv('你的文件路径.csv')）：

   # 构造示例数据
   data = {
       'col1': ['category1']*4 + ['category2']*8 + ['category3']*4,
       'col2': ['subcat1', 'subcat2', 'subcat3', 'subcat4',
                'subcat1', 'subcat2', 'subcat3', 'subcat4', 'subcat5', 'subcat6', 'subcat7', 'subcat8',
                'subcat1', 'subcat2', 'subcat3', 'subcat4'],
       'col3': [10,15,1,23,10,99,23,12,10,11,45,105,2,9,14,25]
   }
   df = pd.DataFrame(data)
   

3. 分组并筛选前3大值
   按col1分组，对每个组按col3降序排序后取前3行：

   # 分组后排序取前3
   top3_per_group = df.groupby('col1', group_keys=False).apply(
       lambda x: x.sort_values('col3', ascending=False).head(3)
   )
   

4. 按需求格式输出
   遍历每个分组，打印出对应的类别、子类别和数值：

   # 按指定格式输出
   for category in top3_per_group.index.unique():
       print(f"{category}:")
       group_data = top3_per_group.loc[category]
       for _, row in group_data.iterrows():
           print(f"          {row['col2']}  {row['col3']}")
   

整合所有步骤的完整代码：

import pandas as pd

# 构造数据（实际使用时可替换为pd.read_csv('your_file.csv')）
data = {
    'col1': ['category1']*4 + ['category2']*8 + ['category3']*4,
    'col2': ['subcat1', 'subcat2', 'subcat3', 'subcat4',
             'subcat1', 'subcat2', 'subcat3', 'subcat4', 'subcat5', 'subcat6', 'subcat7', 'subcat8',
             'subcat1', 'subcat2', 'subcat3', 'subcat4'],
    'col3': [10,15,1,23,10,99,23,12,10,11,45,105,2,9,14,25]
}
df = pd.DataFrame(data)

# 分组筛选前3大值
top3_per_group = df.groupby('col1', group_keys=False).apply(
    lambda x: x.sort_values('col3', ascending=False).head(3)
)

# 按指定格式输出
for category in top3_per_group.index.unique():
    print(f"{category}:")
    group_data = top3_per_group.loc[category]
    for _, row in group_data.iterrows():
        print(f"          {row['col2']}  {row['col3']}")

运行代码后即可得到符合需求的输出。

内容的提问来源于stack exchange，提问作者Anton