Pandas按年月分组获取每个分组内收入排名前N的id数据实现方法
2026-9-25
问题描述
我有如下精简样例DataFrame数据：
year month id revenue 80496 2020 2 16 536000.00 84222 2020 1 2758 430344.66 84223 2020 1 2758 679945.17 84224 2020 1 2758 543982.82 84225 2020 3 2758 287728.00 84226 2020 3 2758 321874.00 84227 2020 3 2758 408128.00 84230 2020 3 2758 458304.00 84231 2020 3 2758 332528.00 85309 2020 2 1560 277233.84 85312 2020 2 1560 419910.83 85876 2020 3 2890 333281.00 90690 2020 1 1304 306297.32 90691 2020 1 1304 391399.67 90698 2020 1 1304 314511.00 90699 2020 2 1304 598394.98 90701 2020 2 1304 391659.34 90702 2020 2 1304 420196.17 90703 2020 2 1304 390432.01 90705 2020 2 1304 485868.16 90706 2020 2 1304 340244.66 91066 2020 2 3738 426222.33 92039 2020 2 1273 269514.00 92040 2020 2 1273 399330.00 92043 2020 3 1273 845502.01 92044 2020 3 1273 285688.00 92045 2020 2 1304 471677.67 92053 2020 2 1304 306994.32 92055 2020 2 1304 514140.01 92058 2020 2 1304 670594.83 92059 2020 2 1304 313311.17 92060 2020 2 1304 264825.32 92061 2020 2 1304 417365.50 92063 2020 3 2758 460628.00 92064 2020 3 2758 270060.00 92074 2020 2 4354 626157.00 92075 2020 2 4354 1225539.99 92078 2020 3 2911 381026.67 92079 2020 3 2911 325471.67 92080 2020 3 2911 383008.33 92081 2020 3 2911 267538.66 92082 2020 3 2911 383789.17 92083 2020 3 2911 352452.50 92084 2020 3 2911 279040.84 92085 2020 3 2911 367950.82 92087 2020 2 130 284714.26 92088 2020 2 130 600318.97 92089 2020 2 130 270437.93 92091 2020 2 130 272350.83 92092 2020 2 130 346533.36 92093 2020 2 130 294939.32 92100 2020 2 134 303719.16 92101 2020 3 134 367001.67 92112 2020 3 1561 276828.00 92113 2020 3 1561 279312.01 92114 2020 3 1625 294794.50 92119 2020 3 1625 592332.50 92126 2020 2 2890 620486.67 92128 2020 3 2890 680190.00 92130 2020 3 2890 418707.33 92131 2020 3 2890 328754.99 92132 2020 3 2890 339958.00 92137 2020 3 2890 554962.00 92138 2020 3 2890 365953.34 92139 2020 3 2890 486639.16 92140 2020 3 2890 1610025.83 92141 2020 3 2890 589236.49
我需要实现按年份+月份维度分组，统计每个id的累计收入后，取每个年月分组下收入排名前2的id数据，预期输出如下：
year month id revenue 0 2020 3 2890 6626149.47 1 2020 3 2758 4428253.33 691 2020 2 1304 6997646.32 692 2020 2 130 2229204.96 1785 2020 1 2758 1749250.49 1786 2020 1 1304 1581520.32
目前我编写的代码可实现按年月、id分组求和后排序，但无法直接筛选出每个分组的前N条数据：
df.groupby(by=['year', 'month', 'id'])[['revenue']].agg({'revenue': 'sum'}).sort_values(by=['year', 'month', 'revenue'], ascending=False).reset_index()
核心问题是nlargest方法仅适用于pd.Series或单个DataFrame的筛选，无法支持多分组条件下的前N条数据获取，请问该如何实现上述需求？
解决方案
你可以在完成年+月+id的收入求和后，再次按年+月分组，对每个分组内的数据调用nlargest取前N条即可，完整实现代码如下：
# 第一步：按年月+id分组计算累计收入 sum_df = df.groupby(['year', 'month', 'id'], as_index=False)['revenue'].sum() # 第二步：按年月分组，每个分组取revenue前2的行 result = sum_df.groupby(['year', 'month'], group_keys=False)\ .apply(lambda x: x.nlargest(2, 'revenue'))\ .sort_values(by=['year', 'month', 'revenue'], ascending=False)\ .reset_index(drop=True)
如果需要调整取前N的数量，直接修改nlargest的第一个参数即可。
如果需要处理排名并列的场景，也可以用rank方法实现：
sum_df = df.groupby(['year', 'month', 'id'], as_index=False)['revenue'].sum() sum_df['rank'] = sum_df.groupby(['year', 'month'])['revenue'].rank(ascending=False, method='dense') result = sum_df[sum_df['rank'] <=2].drop('rank', axis=1).reset_index(drop=True)
内容的提问来源于stack exchange，提问作者bellotto
相关产品推荐
相关产品推荐
