如何基于不同列筛选Top值？以游戏销量数据集按global_sales取Top10发行商为例

原代码仅统计了发行商在数据集中的出现次数，而非按Global_Sales求和，需要修改代码实现按全球销量总和统计Top10发行商并绘制饼图。

原代码：

data['Publisher'].value_counts().head(10).plot.pie(autopct='%1.1f%%', startangle=90)

数据集示例：

Rank                      Name Platform  ...  JP_Sales Other_Sales Global_Sales
0     1                Wii Sports      Wii  ...      3.77        8.46        82.74
1     2         Super Mario Bros.      NES  ...      6.81        0.77        40.24
2     3            Mario Kart Wii      Wii  ...      3.79        3.31        35.82
3     4         Wii Sports Resort      Wii  ...      3.28        2.96        33.00
4     5  Pokemon Red/Pokemon Blue       GB  ...     10.22        1.00        31.37

[5 rows x 11 columns]

使用groupby按发行商分组并对Global_Sales求和，排序后取Top10再绘制饼图，修改后的代码如下：

# 分组求和、排序取Top10
top10_publishers = data.groupby('Publisher')['Global_Sales'].sum().sort_values(ascending=False).head(10)

# 绘制饼图
top10_publishers.plot.pie(autopct='%1.1f%%', startangle=90, title='Top 10 Publishers by Global Sales')

关键步骤说明： #

• groupby('Publisher')['Global_Sales'].sum()：按发行商分组，计算每个发行商的全球总销量
• sort_values(ascending=False)：按总销量降序排列，确保销量最高的发行商排在前面
• head(10)：筛选出总销量Top10的发行商
• 保留原饼图参数的同时添加标题，提升图表可读性

内容的提问来源于stack exchange，提问作者azzy