Python pandas如何保留数据集前500个唯一user_id对应的所有行

pandas 的 Series.unique() 方法返回的结果严格按照值在数据集中首次出现的顺序排列，刚好匹配你需要的排序规则，不需要额外调整顺序，整体操作非常简单：

• 提取按出现顺序排列的唯一user_id列表，截取前500个：
  执行代码：
  top_500_users = df['user_id'].unique()[:500]
• 基于上述用户列表过滤原数据集，保留所有匹配用户的行：
  执行代码：
  filtered_df = df[df['user_id'].isin(top_500_users)]

可以拿你给的示例数据集做效果验证：原数据集里user_id的首次出现顺序是420、156，如果我们只取前1个目标用户，代码会把所有user_id为420的行（也就是你提到的第1行、第3行）全部保留，完全符合预期。

注意：提取目标用户的时候别用集合去重、先排序再去重的逻辑，这类操作会打乱原始出现顺序，选出来的前500个用户就不符合「按首次出现顺序取前500个」的要求了。

内容的提问来源于stack exchange，提问作者x89