基于Pandas按user_id和session_id分组，筛选每组前3条记录

我来帮你搞定这个需求！你要实现的是：对每个(user_id, session_id)分组，先按time排序，然后只保留每组的前3条记录（组内记录少于3条时就全部保留）。

核心思路 #

不需要先单独统计每组数量再筛选，我们可以直接在分组后给每条记录分配组内排序后的序号，然后只保留序号≤3的记录即可，一步到位更高效。

具体步骤与代码 #

1. 确保时间列格式正确
   首先要把time列转换成datetime类型，这样排序才会按正确的时间顺序来：

   import pandas as pd
   
   # 转换time列为datetime类型
   df['time'] = pd.to_datetime(df['time'])
   

2. 分组排序并生成组内序号
   我们先对整个DataFrame按user_id、session_id和time排序，然后给每个分组内的记录分配从1开始的序号：

   # 先按用户、会话、时间排序
   df_sorted = df.sort_values(by=['user_id', 'session_id', 'time'], ascending=True)
   
   # 给每个分组内的记录生成序号（从1开始）
   df_sorted['group_rank'] = df_sorted.groupby(['user_id', 'session_id']).cumcount() + 1
   

   这里cumcount()会给每个分组内的记录从0开始计数，加1后就变成从1开始的序号，方便后续筛选。

3. 筛选前3条记录
   最后只保留group_rank≤3的记录即可：

   filtered_df = df_sorted[df_sorted['group_rank'] <= 3]
   

效果验证 #

比如你提到的user_id=123、session_id=36的分组，排序后time更早的记录会排在前面，不管这个组原来有多少条，最终只会保留前3条；如果组内只有2条记录，那这2条都会被保留下来。

简化版（一行搞定） #

如果不想额外保留group_rank列，可以直接链式操作：

filtered_df = df.assign(time=pd.to_datetime(df['time'])) \
                .sort_values(['user_id', 'session_id', 'time']) \
                .groupby(['user_id', 'session_id']) \
                .head(3)

这里groupby().head(3)会自动保留每个分组排序后的前3条记录，非常简洁！

内容的提问来源于stack exchange，提问作者add-semi-colons