You need to enable JavaScript to run this app. 从DataFrame列表提取各地点前三数值及索引构建新DataFrame
优惠活动
大模型
产品
解决方案
定价
更多

从DataFrame列表提取各地点前三数值及索引构建新DataFrame

实现方案

整体分三步处理,可直接复用:

  1. 给列表内每个DataFrame新增一列记录自身在df_list中的索引值,将所有表纵向拼接为统一长表,避免分散处理的格式错位
  2. 按place、place2分组,分别对value1、value2做降序排序提取前3名,将每个排名位置的数值、对应来源索引拆分为独立列
  3. 横向合并两个指标的处理结果,调整列顺序匹配参考输出格式

可直接运行的代码

import pandas as pd

# 复现用户提供的示例测试数据
df_list = [
    pd.DataFrame({
        "place": ["x", "y", "z"],
        "place2": ["a", "a", "b"],
        "value1": [10, 15, 5],
        "value2": [0, 10, 10]
    }),
    pd.DataFrame({
        "place": ["x", "y"],
        "place2": ["a", "a"],
        "value1": [20, 0],
        "value2": [20, 0]
    }),
    pd.DataFrame({
        "place": ["x", "y", "z"],
        "place2": ["a", "a", "b"],
        "value1": [50, 30, 0],
        "value2": [10, 20, 40]
    })
]

# 步骤1:拼接为带来源标记的长表
concat_parts = []
for df_idx, single_df in enumerate(df_list):
    marked_df = single_df.copy()
    marked_df["source_i"] = df_idx
    concat_parts.append(marked_df)
long_table = pd.concat(concat_parts, ignore_index=True)

# 定义通用Top3提取函数
def extract_top3(table, value_col):
    # 组内按指标值降序,取前3条
    sorted_group = table.sort_values(by=value_col, ascending=False).head(3).reset_index(drop=True)
    sorted_group["rank"] = sorted_group.index + 1
    # 透视为宽表结构
    wide = sorted_group.pivot(
        index=["place", "place2"],
        columns="rank",
        values=[value_col, "source_i"]
    )
    # 按规则重命名列
    rank_label = ["1st", "2nd", "3rd"]
    col_mapping = []
    for metric, pos in wide.columns:
        if metric == "source_i":
            col_mapping.append(f"{value_col}_{rank_label[pos-1]}_i")
        else:
            col_mapping.append(f"{value_col}_{rank_label[pos-1]}")
    wide.columns = col_mapping
    return wide.reset_index()

# 步骤2:分别处理两个指标的Top3
v1_table = extract_top3(long_table, "value1")
v2_table = extract_top3(long_table, "value2")

# 步骤3:横向合并结果,调整列顺序
final_df = pd.merge(v1_table, v2_table, on=["place", "place2"], how="outer")
# 按参考格式调整列排列顺序
ordered_cols = [
    "place", "place2",
    "value1_1st", "value1_1st_i",
    "value2_1st", "value2_1st_i",
    "value1_2nd", "value1_2nd_i",
    "value2_2nd", "value2_2nd_i",
    "value1_3rd", "value1_3rd_i",
    "value2_3rd", "value2_3rd_i"
]
final_df = final_df[ordered_cols]

输出效果说明

运行后得到的表结构完全匹配预期:

  • 每个place、place2组合占一行
  • 每个指标按数值从高到低标注1st/2nd/3rd排名,对应附带记录所属原列表的索引值
  • 当某类place的总记录数不足3条时,缺失位置自动填充为NaN
  • 全程依赖pandas原生方法,无额外第三方库依赖

内容的提问来源于stack exchange,提问作者jeanbeau

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.15 03:15:03