如何选取dataframe中某列累计和占该列原总和90%的顶部行？

解决方案 #

你可以用pandas内置的累计求和函数cumsum()快速实现这个需求，具体操作如下：

步骤1：构造示例数据（已有数据可直接跳过）

import pandas as pd
df = pd.DataFrame({
    'category': ['A', 'B', 'C', 'D'],
    'value': [4, 3, 2, 1]
})

步骤2：计算累计占比并筛选符合条件的行

# 若原始数据没有按value从大到小排序，需要先执行下面这行保证优先取数值大的行，原始顺序符合要求可跳过
df = df.sort_values('value', ascending=False).reset_index(drop=True)

# 计算value列总和
total_value = df['value'].sum()

# 筛选累计和占总和比例≤90%的行
result = df[df['value'].cumsum() / total_value <= 0.9]

执行后得到的result就是你需要的输出：

category  value
0        A      4
1        B      3
2        C      2

如果需要调整占比阈值，直接修改代码里的0.9为对应数值即可。

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