如何在Python Pandas中分组统计、排序并获取Top10演员（按账号数）

我来帮你修正这个问题～你原来的代码逻辑有点搞反了，咱们一步步来实现你要的效果，对应你给出的SQL逻辑：SELECT actor_id, COUNT(account_id) FROM table GROUP BY actor_id ORDER BY COUNT(account_id) DESC LIMIT 10，用Pandas可以这么做：

步骤1：分组统计每个演员的账号数量 #

首先通过groupby按actor_id分组，然后对account_id计数（因为一个演员可能关联多个账号，计数就能得到每个演员的账号总数）：

# 分组统计，得到每个actor_id对应的账号数
account_count = df.groupby('actor_id')['account_id'].count().reset_index(name='account_num')

这里reset_index(name='account_num')是把分组后的索引（actor_id）转成列，同时给计数列起个清晰的名字account_num，方便后续操作。

步骤2：按账号数降序排序并取Top10 #

接下来对统计结果按account_num降序排列，然后取前10条：

# 降序排序，取账号最多的Top10演员
top10_actors = account_count.sort_values(by='account_num', ascending=False).head(10)

完整代码示例 #

把两步合起来，完整可运行的代码如下：

# 分组统计每个演员的账号数量
account_count = df.groupby('actor_id')['account_id'].count().reset_index(name='account_num')
# 按账号数降序排序，取Top10
top10_actors = account_count.sort_values(by='account_num', ascending=False).head(10)
print(top10_actors)

为什么你的原代码不对？ #

你原来的代码：

df['count'] = df['actor_id'].map(df['account_id'].value_counts()) 
df.sort_index('count', ascending=False)

这里的核心问题是逻辑颠倒了：df['account_id'].value_counts()统计的是每个账号被关联的演员次数，而非每个演员拥有的账号数，再用actor_id去映射这个结果，自然得不到你想要的统计数据。

如果你想直接在原DataFrame里添加计数列，也可以用这种方式：

# 先统计每个actor_id的账号数并命名列
actor_account_count = df.groupby('actor_id')['account_id'].count().rename('account_num')
# 把计数列合并回原DataFrame
df_with_count = df.merge(actor_account_count, on='actor_id', how='left')
# 去重（每个演员只保留一行）后排序取Top10
top10_actors = df_with_count.drop_duplicates('actor_id').sort_values(by='account_num', ascending=False).head(10)

内容的提问来源于stack exchange，提问作者kaecvtionr