如何实现按Location分组并聚合每组Top3 KG记录的总和

我完全理解你的需求：按Location分组后，仅保留每组中KG值最高的前3条记录，再对这部分记录的KG和Dollars字段求和。用Python的pandas库可以轻松实现这个逻辑，下面分步骤给你拆解：

步骤1：准备测试数据集 #

先把你的原始数据转换成pandas DataFrame：

import pandas as pd

# 构造原始数据
data = [
    ["BKK", 7, 2],
    ["BKK", 5, 3],
    ["BKK", 4, 2],
    ["BKK", 3, 3],
    ["BKK", 2, 2],
    ["HKG", 8, 3],
    ["HKG", 6, 2],
    ["HKG", 4, 3],
    ["HKG", 3, 2],
    ["HKG", 2, 3],
]
df = pd.DataFrame(data, columns=["Location", "KG", "Dollars"])

步骤2：筛选每组Top3的KG记录 #

这里有两种实现方式，分别适合不同规模的数据集：

方式一：适合小规模数据（直观易懂）

用groupby()结合apply()，在每个分组内按KG降序排序后取前3行：

# 分组后筛选每组Top3的KG记录
top3_df = df.groupby("Location").apply(
    lambda x: x.sort_values("KG", ascending=False).head(3)
).reset_index(drop=True)

执行后会得到每个Location下KG最高的3条记录：

Location  KG  Dollars
0      BKK   7        2
1      BKK   5        3
2      BKK   4        2
3      HKG   8        3
4      HKG   6        2
5      HKG   4        3

方式二：适合大规模数据（性能更优）

如果数据集很大，apply()的效率会偏低，推荐用rank()标记每组内的排名，再筛选排名≤3的记录：

# 给每组内的KG按降序排名（method="first"避免并列值重复排名）
df["kg_rank"] = df.groupby("Location")["KG"].rank(ascending=False, method="first")
# 筛选排名前3的记录
top3_df = df[df["kg_rank"] <= 3]

步骤3：对筛选后的结果聚合求和 #

最后按Location分组，对KG和Dollars字段求和：

result = top3_df.groupby("Location").agg({"KG": "sum", "Dollars": "sum"}).reset_index()

输出结果完全符合你的预期：

Location  KG  Dollars
0      BKK  16        7
1      HKG  18        8

内容的提问来源于stack exchange，提问作者Brian