如何获取按总销售额降序排列的前10个唯一prod_title并存入top_tot_sales？

从给定数据集中获取按total_sales降序排列的前10个唯一prod_title，并将结果存储到变量top_tot_sales中。

数据集 #

ID           prod_title            total_sales
0        619040       All Veggie Yummies    72.99
1        619041       Ball and String       18.95
2        619042       Cat Cave              28.45     
3        619043       Chewie Dental         24.95
4        619044       Chomp-a Plush         60.99
5        619045       Feline Fix Mix        65.99     
6        619046       Fetch Blaster         9.95
7        619047       Foozy Mouse           45.99
8        619048       Kitty Climber         35.99     
9        619049       Purr Mix              32.99
10       619050       Fetch Blaster         19.90
11       619051       Purr Mix              98.97    
12       619052       Cat Cave              56.90
13       619053       Purrfect Puree        54.95
14       619054       Foozy Mouse           91.98
15       619055       Reddy Beddy           21.95     
16       619056       Cat Cave              85.83
17       619057       Scratchy Post         48.95
18       619058       Snack-em Fish         15.99     
19       619059       Snoozer Essentails    99.95
20       619060       Scratchy Post         48.95
21       619061       Purrfect Puree        219.80     
22       619062       Chewie Dental         49.90
23       619063       Reddy Beddy           65.85
24       619064       The New Bone          71.96     
25       619065       Reddy Beddy           109.75

已尝试的代码 #

top_tot_sales = df_cleaned.loc[df_cleaned.groupby('prod_title')['total_sales'].idxmax()]
df_cleaned.nlargest(10, 'total_sales')

df_cleaned['prod_title'].drop_duplicates()
df_cleaned['prod_title'].unique()
top_tot_sales = df_cleaned.groupby(['prod_title'])['total_sales'].transform(max) == df_cleaned['total_sales']
print(top_tot_sales)

df_cleaned['prod_title'].drop_duplicates()
df_cleaned['prod_title'].unique()
top_tot_sales = df_cleaned.groupby(['prod_title'])df_cleaned.nlargest(n=10, columns=['total_sales'])
print(top_tot_sales)

top_tot_sales = df_cleaned.groupby('prod_title')['total_sales'].nlargest(n=10)
print(top_tot_sales)

top_num_sales = df_cleaned.loc[df_cleaned.groupby('prod_title')['trans_quantity'].idxmax()]

正确解决方案 #

思路解析 #

要实现需求需分两步：

1. 为每个prod_title保留其最高total_sales的记录，确保产品唯一
2. 按total_sales降序排序后，提取前10个prod_title

实现代码 #

# 步骤1：获取每个产品销售额最高的记录
max_sales_per_prod = df_cleaned.loc[df_cleaned.groupby('prod_title')['total_sales'].idxmax()]

# 步骤2：降序排序后取前10个产品名称
top_tot_sales = max_sales_per_prod.sort_values('total_sales', ascending=False).head(10)['prod_title'].tolist()

代码说明 #

• groupby('prod_title')['total_sales'].idxmax()：获取每个产品组中销售额最高的行索引
• loc[]：根据索引提取对应行，得到每个产品的最高销售额记录
• sort_values(ascending=False)：按销售额降序排列
• head(10)：筛选前10条记录
• ['prod_title'].tolist()：提取产品名称并转为列表（若需保留完整行数据，去掉.tolist()即可）

验证结果 #

基于给定数据集，执行后top_tot_sales的结果为：

['Purrfect Puree', 'Snoozer Essentails', 'Reddy Beddy', 'Purr Mix', 'Foozy Mouse', 'Cat Cave', 'All Veggie Yummies', 'The New Bone', 'Feline Fix Mix', 'Chomp-a Plush']

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