如何使用pandas获取电影数据集中各年度的TOP3热门电影类型

实现代码 #

假设你的原始数据集存储在名为df的DataFrame中，直接运行以下代码即可得到预期结果：

import pandas as pd

# 按年份分组后取每组计数Top3的类型
top3_genre_per_year = df.groupby('year', group_keys=False)\
                        .apply(lambda group: group.nlargest(3, 'imdb_title_id', keep='first'))\
                        .reset_index(drop=True)

常见错误说明 #

你之前直接调用nlargest没有得到正确结果，大概率是没有搭配分组逻辑，直接对全表执行了nlargest，这样取的是全数据集计数最高的3条记录，而非每个年份的Top3。

参数说明 #

• groupby('year', group_keys=False)：按照年份字段对数据分组，group_keys=False避免结果额外生成分组索引层级
• group.nlargest(3, 'imdb_title_id', keep='first')：对每个分组内的子表，按imdb_title_id字段降序排列，取前3条，数值相同的情况下保留原表中排序靠前的记录，完全匹配你的需求
• reset_index(drop=True)：重置结果的行索引，和你给出的预期输出格式对齐

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