Python Pandas：按多列分组筛选col3出现次数Top N记录

嘿，我来帮你搞定这个数据处理任务！咱们一步步来，先理清楚需求：先统计每个(col1,col2,col3)组合的出现次数，再按(col1,col2)分组，每个子组里只保留col3出现次数排名前2的记录和对应的次数。

第一步：构造示例数据 #

首先咱们把你给出的示例数据转换成Pandas DataFrame，方便后续测试：

import pandas as pd

data = [
    ['A', 'x', 'p'],
    ['A', 'x', 'q'],
    ['A', 'x', 'r'],
    ['A', 'x', 'r'],
    ['A', 'y', 's'],
    ['A', 'y', 't'],
    ['A', 'z', 'u'],
    ['B', 'x', 'q'],
    ['B', 'x', 'r'],
    ['B', 'y', 't']
]

df = pd.DataFrame(data, columns=['col1', 'col2', 'col3'])

第二步：统计每个组合的出现次数 #

用groupby结合size()来统计每个(col1,col2,col3)组合的频次，然后用reset_index把分组索引转成列，并给频次列命名为count：

count_df = df.groupby(['col1', 'col2', 'col3']).size().reset_index(name='count')

这一步之后，count_df的内容如下：

第三步：分组取Top 2记录 #

这里有两种实用的方法，你可以根据自己的数据集大小选择：

方法一：用groupby.apply（直观易懂）

通过按(col1,col2)分组，对每个子组的count列降序排序，然后取前2条记录：

result = count_df.groupby(['col1', 'col2']).apply(
    lambda group: group.sort_values('count', ascending=False).head(2)
).reset_index(drop=True)

方法二：用rank方法（更高效，适合大数据集）

给每个子组内的count值降序排名，然后筛选出排名≤2的记录：

# 给每个分组内的count降序排名，method='first'用来处理并列情况（保留先出现的记录）
count_df['rank'] = count_df.groupby(['col1', 'col2'])['count'].rank(ascending=False, method='first')
# 筛选排名前2的记录，去掉rank列
result = count_df[count_df['rank'] <= 2].drop('rank', axis=1).reset_index(drop=True)

最终结果 #

两种方法得到的result都是你需要的格式：

解释一下特殊情况：比如(A,z)子组只有1条记录，所以直接保留；(B,x)子组的两个记录次数相同，所以都被保留（因为前2名就是它们）。

内容的提问来源于stack exchange，提问作者cod_rg567