如何在pandas中按分组获取每组的Top2最大值？

嘿，我来帮你搞定这个分组取Top2的问题！你之前用df.nlargest(2, 'Rank')只能拿到全局排名前2的产品，要实现按Brand分组提取每组的Top2，用pandas的分组功能就能轻松解决，下面给你两种实用的方法：

这种方法逻辑清晰，适合快速实现需求，代码如下：

Top_Products = df.groupby('Brand').apply(lambda x: x.nlargest(2, 'Rank')).reset_index(drop=True)

代码细节解释： #

• df.groupby('Brand')：将原始数据按照Brand字段拆分为A、B、C三个独立的分组
• .apply(lambda x: x.nlargest(2, 'Rank'))：对每个分组（即单个Brand下的所有产品数据），调用nlargest方法提取Rank值最高的2条记录
• .reset_index(drop=True)：重置结果的索引，去掉分组带来的多级索引，让最终的数据结构更简洁规整

如果你的数据量很大，这种方法的性能会更优，它通过标记组内排名来筛选目标数据：

# 给每个Brand分组内的产品按Rank降序排名
df['rank_in_brand'] = df.groupby('Brand')['Rank'].rank(ascending=False, method='first')
# 筛选排名前2的产品，再删除临时排名列
Top_Products = df[df['rank_in_brand'] <= 2].drop('rank_in_brand', axis=1)

代码细节解释： #

• df.groupby('Brand')['Rank'].rank(ascending=False, method='first')：在每个Brand分组内，对Rank字段进行降序排名，method='first'参数可以避免出现相同Rank值时排名重复的情况
• 筛选rank_in_brand≤2的记录，就能得到每组的Top2产品，最后删掉临时生成的排名列即可

用你提供的测试数据运行后，最终得到的Top_Products结果如下：

内容的提问来源于stack exchange，提问作者Dys_Lexi_A