基于Pandas分组 按Col2排名保留第2、3位数据

嘿，这个需求很常见，咱们用Pandas几步就能搞定，先给你完整的可运行代码，再拆解每一步~

首先，先构造你提供的原始DataFrame：

import pandas as pd

# 初始化原始数据
df = pd.DataFrame({
    'Col1': ['a', 'a', 'a', 'a', 'b', 'b'],
    'Col2': [8, 3, 1, 0, 6, 2],
    'Col3': [9, 7, 3, 8, 18, 6]
})

方法一：分组排序后取指定位置行 #

这是最直观的方式，先分组、再排序、最后提取目标行：

# 按Col1分组，每组按Col2降序排序，提取第2、3名（对应索引1和2，0-based）
result = df.groupby('Col1', group_keys=False).apply(
    lambda x: x.sort_values('Col2', ascending=False).iloc[1:3]
).reset_index(drop=True)

print(result)

运行后输出就是你要的结果：

Col1  Col2  Col3
0    a     3     7
1    a     1     3
2    b     2     6

步骤拆解：

• groupby('Col1', group_keys=False)：按Col1分组，group_keys=False可以避免结果里自动添加分组键作为索引，让输出更清爽。
• x.sort_values('Col2', ascending=False)：对每个分组内的数据按Col2降序排序，这样最大的数值排在最前面（对应排名第1）。
• iloc[1:3]：提取排序后索引为1和2的行，也就是每组的第2、3名。如果分组的行数不足3（比如示例中的b组只有2行），会自动只提取存在的符合条件的行。
• reset_index(drop=True)：重置结果的索引，让索引从0开始连续排列。

方法二：用rank函数筛选排名行 #

如果你需要先计算排名再筛选，可以用这种方式：

# 计算每组内Col2的降序排名
df['rank'] = df.groupby('Col1')['Col2'].rank(ascending=False, method='first')

# 筛选排名为2和3的行，去掉rank列并重置索引
result = df[df['rank'].isin([2, 3])].drop('rank', axis=1).reset_index(drop=True)

这个方法的核心是rank函数：

• ascending=False表示按降序排名，数值越大排名越靠前。
• method='first'保证遇到相同值时，按数据出现的顺序排名，避免并列排名导致的筛选偏差。

两种方法都能得到你想要的结果，按需选择就行~

内容的提问来源于stack exchange，提问作者NBC