多列Groupby后筛选Top N数据并绘制Seaborn图表

步骤1：准备数据与导入库 #

先导入所需工具库，并构造示例数据集：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 构造示例数据集
data = {
    'Data1': ['A','A','A','B','B','B','C','C','C','D','D','D','E','E','E','F','F','F'],
    'Data2': ['x','y','z','y','z','u','x','y','v','v','y','z','t','u','x','s','s','r'],
    'Value': [6,7,8,3,4,5,6,7,8,4,5,7,8,7,6,4,5,6]
}
df = pd.DataFrame(data)

步骤2：筛选Top3的Data1分组 #

方式1：按聚合指标取Top3（以Value总和为例）

如果你需要按每组的Value总和、最大值等指标筛选Top3，可执行以下代码：

# 计算每个Data1的Value总和，降序排序后取前3个Data1
top3_data1 = df.groupby('Data1')['Value'].sum().sort_values(ascending=False).head(3).index

# 过滤原数据集，保留Top3的Data1记录
filtered_df = df[df['Data1'].isin(top3_data1)]

方式2：按Data1的顺序取前3（匹配示例期望结果）

如果只需保留Data1字母顺序的前3组（A、B、C），直接执行：

top3_data1 = df['Data1'].unique()[:3]
filtered_df = df[df['Data1'].isin(top3_data1)]

步骤3：用Seaborn绘制图表 #

分组条形图（展示各Data1下不同Data2的Value）

plt.figure(figsize=(10,6))
sns.barplot(data=filtered_df, x='Data1', y='Value', hue='Data2')
plt.title('Top3 Data1分组的Value分布')
plt.show()

箱线图（展示Top3 Data1的Value分布特征）

plt.figure(figsize=(10,6))
sns.boxplot(data=filtered_df, x='Data1', y='Value')
plt.title('Top3 Data1的Value分布箱线图')
plt.show()

验证结果 #

按方式2执行后，filtered_df的结果与你期望一致：

内容的提问来源于stack exchange，提问作者Vipin