Pandas分组后取指定列Top K值对应另一列的均值求解

看起来你在尝试实现按指定列分组后，提取每组中col9前K大值对应的col10的均值，你的整体思路没问题，但原代码里有两处细节错误，导致无法得到预期结果，我来帮你修正并给出几种可行方案：

原代码的问题分析 #

• grp.col9.nlargest(k_value)只返回了col9列的前K大值，丢失了对应的col10数据，后续自然无法计算目标列的均值
• mean('col10')用法错误：Pandas的mean()方法不需要传入列名参数，你需要先定位到对应的col10行数据再计算均值

方法一：直接用nlargest筛选行后计算均值 #

这是最直观的实现方式，分组后对每个子数据集筛选出col9前K大的行，再提取col10计算均值：

consideredCols = ['col4', 'col7']
k_value = 3

result = df1.groupby(consideredCols).apply(
    lambda grp: grp.nlargest(k_value, 'col9')['col10'].mean()
)

print(result)

代码解释 #

• grp.nlargest(k_value, 'col9')：返回当前分组内col9值排名前K的完整行数据
• ['col10'].mean()：从筛选后的行中提取col10列，计算该列的平均值

方法二：先排序再分组取数（适合大数据集） #

如果你的数据集规模较大，apply结合nlargest的效率可能不够理想，可以先对整个数据集排序，再分组取前K行计算均值，这种方法通常更快：

# 先按分组列升序、col9降序排序
sorted_df = df1.sort_values(
    by=consideredCols + ['col9'],
    ascending=[True, True, False]
)

# 分组取前K行，再按原分组列计算col10的均值
result = sorted_df.groupby(consideredCols).head(k_value)['col10'].groupby(consideredCols).mean()

print(result)

代码解释 #

1. 排序时先按分组列（col4、col7）升序排列，保证同组数据集中在一起，再按col9降序排列，让每组内最大的K个值排在前面
2. groupby(...).head(k_value)：提取每个分组的前K行
3. 最后再次按原分组列分组，计算col10的均值

验证你的示例数据 #

我把你给出的示例整理成了规范的DataFrame，用方法一验证：

import pandas as pd

# 示例数据
data = {
    'col4': ['john', 'john', 'jane', 'jane'],
    'col7': ['doe', 'doe', 'doe', 'doe'],
    'col9': [5, 11, 50, 15],
    'col10': [12, 9, 42, 27]
}
df1 = pd.DataFrame(data)

k_value = 2
consideredCols = ['col4', 'col7']

# 计算结果
result = df1.groupby(consideredCols).apply(
    lambda grp: grp.nlargest(k_value, 'col9')['col10'].mean()
)
print(result)

输出结果：

col4  col7
john  doe     10.5
jane  doe     34.5
dtype: float64

完全符合你的预期：John组(12+9)/2=10.5，Jane组(42+27)/2=34.5。

内容的提问来源于stack exchange，提问作者Ayush Soni