在Pandas中按年份分组提取Top N最高评分数据的问题求助

嘿，我来帮你搞定这个问题！你遇到的核心问题是在groupby之后只选择了特定列，导致nlargest只能返回这些列的数据，而不是完整的行记录。下面我给你两种靠谱的解决方案，还会解释你原来代码的问题所在。

问题分析 #

你原来的代码：

v=style.groupby(by='review_year')['beer_style']['review_overall'].nlargest(3)

这里你在groupby之后链式选择了['beer_style']['review_overall']，相当于只告诉Pandas要处理这两列，自然返回的结果里只有这两个相关列，丢失了其他行数据。我们需要让groupby对整个子DataFrame操作，才能保留完整行。

解决方案1：Groupby + Apply + Nlargest（直观易读） #

这种方法直接对每个分组的子DataFrame调用nlargest，保留所有列数据：

import pandas as pd

# 先构造你的示例数据（对应你给出的列名）
data = {
    'style': ['a', 'b', 'c'],
    'year': [1990, 1990, 1990],
    'review_score': [4.0, 5.0, 4.2]
}
df = pd.DataFrame(data)

# 按year分组，每组取review_score最高的前2条完整记录
top_records = df.groupby('year').apply(lambda x: x.nlargest(2, 'review_score')).reset_index(drop=True)

print(top_records)

运行后输出完全符合你的期望：

• apply(lambda x: x.nlargest(2, 'review_score'))：对每个分组的子DataFramex，按review_score降序取前2行
• reset_index(drop=True)：去掉groupby生成的多级索引，得到干净的结果

解决方案2：Sort + Groupby + Head（性能更优） #

如果你的数据集很大，这种方法比apply更高效，因为Pandas的排序和head操作是经过优化的：

# 先按year升序、review_score降序排序
sorted_df = df.sort_values(['year', 'review_score'], ascending=[True, False])
# 按year分组，取每组前2条
top_records = sorted_df.groupby('year').head(2).reset_index(drop=True)

print(top_records)

输出和上面完全一致，这种方法的优势是避免了apply的循环操作，处理百万级数据时速度更快。

注意事项 #

• 确保你的列名和代码里一致：你示例里的列是style/year/review_score，但代码里写的是review_year/beer_style/review_overall，记得替换成你实际的列名哦！
• 如果有多个记录评分相同，nlargest会保留所有并列的行，如果你需要严格取TopN，可以结合drop_duplicates或者调整排序规则。

内容的提问来源于stack exchange，提问作者SrihariRaghu