如何用Pandas筛选按Rank总和排名前4的品牌+指定品牌X

嘿，这需求很清晰，咱们用Pandas几步就能搞定！下面是具体的实现步骤和代码：

步骤1：计算每个品牌的Rank总和 #

首先我们需要按品牌分组，计算每个品牌所有产品的Rank总和：

import pandas as pd

# 假设你的数据集已经读入为df
# 示例数据（可替换为你的真实数据）
data = [
    ["A", "P1", 1000], ["A", "P2", 1210], ["A", "P3", 2000],
    ["A", "P4", 600], ["A", "P5", 756], ["A", "P6", 867],
    ["B", "P1", 549], ["B", "P2", 1572], ["B", "P3", 3490],
    ["B", "P4", 2341], ["B", "P5", 431], ["B", "P6", 321],
    ["C", "P1", 421], ["C", "P2", 121], ["C", "P3", 805],
    ["C", "P4", 1202], ["C", "P5", 4032], ["C", "P6", 432]
]
df = pd.DataFrame(data, columns=["Brand", "Product", "Rank"])

# 计算各品牌Rank总和
brand_rank_totals = df.groupby("Brand")["Rank"].sum().reset_index()

步骤2：提取Rank总和排名前4的品牌 #

用nlargest方法直接获取总和最高的前4个品牌：

# 获取前4名品牌的列表
top_4_brands = brand_rank_totals.nlargest(4, "Rank")["Brand"].tolist()

步骤3：加入你的目标品牌"X" #

把你代表的品牌"X"加入到目标列表里，如果担心"X"已经在前4名中（避免重复），可以用集合去重：

# 加入品牌X，可选去重
target_brands = top_4_brands + ["X"]
# 如果需要去重，用下面这行：
# target_brands = list(set(top_4_brands + ["X"]))

步骤4：筛选原数据中的目标品牌 #

最后用isin方法筛选出所有目标品牌的数据：

# 筛选出目标品牌的所有行
filtered_df = df[df["Brand"].isin(target_brands)]

额外提示 #

• 如果品牌"X"不在你的原始数据集中，filtered_df只会包含前4名品牌的数据，不会报错；
• 如果你需要保留品牌的排名顺序（前4+X），可以用Categorical类型来指定顺序，避免筛选后顺序混乱：

  filtered_df["Brand"] = pd.Categorical(filtered_df["Brand"], categories=target_brands, ordered=True)
  filtered_df = filtered_df.sort_values("Brand")
  

内容的提问来源于stack exchange，提问作者Dys_Lexi_A