Pandas如何先按多字段分组求和再取每个分组内求和排名前2的数据

原有代码报错原因 #

• 第一段代码中，df.groupby(['A','B'])['C'].sum() 返回的是带A、B双层索引的Series，不存在名为A和C的列，后续groupby(['A'])和指定nlargest(2, 'C')都无法找到对应字段
• 第二段代码的lambda表达式中没有指定nlargest的调用对象，写法错误

正确实现代码 #

写法1：可读性更强的分步写法 #

# 1. 按A、B组合分组对C求和，直接生成带列的DataFrame
sum_df = df.groupby(['A', 'B'], as_index=False)['C'].sum()
# 2. 按A分组，每组取C值排名前2的记录，group_keys=False避免生成多余的分组索引
result = sum_df.groupby('A', group_keys=False).apply(lambda x: x.nlargest(2, 'C'))

写法2：链式简写 #

# 求和后按索引第一层（即A字段）分组取前2，最后重置索引转成标准DataFrame
result = df.groupby(['A','B'])['C'].sum().groupby(level=0).nlargest(2).reset_index()

输出效果 #

拿示例数据运行后，输出结果符合需求：

内容的提问来源于stack exchange，提问作者Tamal