基于阈值从Pandas DataFrame提取各行业Top N行的技术需求

我来帮你搞定这个需求——按行业分组，提取ROE和ROCE综合排名前N的行，其中N由对应行业的Threshold值指定（观察输入数据，同一行业的Threshold值是统一的）。

完整代码实现 #

import pandas as pd

# 输入原始DataFrame
df = pd.DataFrame({
    'Company':['A','B','C','D','E','F'],
    'Industry':['Metals','Metals','IT','IT','IT','banking'],
    'ROE':[10,9,5,14,1,9],
    'ROCE':[10,5,5,1,10,9],
    'Threshold':[1,1,2,2,2,1]
})

# 定义分组处理的自定义函数
def get_top_n(group):
    # 获取当前行业的阈值N（同行业阈值统一，取第一个值即可）
    n = group['Threshold'].iloc[0]
    # 计算ROE+ROCE的综合得分，按得分降序排序后取前N行
    return group.assign(total_score=group['ROE'] + group['ROCE'])\
                .sort_values('total_score', ascending=False)\
                .head(n)

# 应用分组逻辑并整理最终结果
dfout = df.groupby('Industry', group_keys=False)\
          .apply(get_top_n)\
          .drop('total_score', axis=1)\
          .reset_index(drop=True)

print(dfout)

运行结果 #

Company Industry  ROE  ROCE  Threshold
0       A    Metals   10    10          1
1       D        IT   14     1          2
2       E        IT    1    10          2
3       F   banking    9     9          1

代码逻辑拆解 #

1. 自定义分组函数get_top_n：

   • 先获取当前行业的阈值n：因为同一行业的Threshold值完全一致，直接取分组内第一个值就可以。
   • 临时计算综合得分：添加total_score列，把ROE和ROCE的数值相加作为排名依据（如果你的需求是按单个指标排名，比如只看ROE，直接把排序依据改成ROE就行）。
   • 排序取Top N：按综合得分降序排列后，提取前n行。

2. 分组应用与结果整理：

   • 用groupby('Industry')按行业拆分数据，group_keys=False避免分组键被自动添加到结果索引里。
   • 通过apply把自定义函数套用到每个行业分组上。
   • 最后删掉临时的total_score列，重置索引得到干净的输出DataFrame。

内容的提问来源于stack exchange，提问作者CLS