Pandas分组聚合后取均值TOP5的语法错误排查与正确写法

问题场景 #

想要从聚合后的均值指标中获取TOP5数据，编写了如下代码：

cohort = ['year','month','maincategory','subcategory'] 
poorresult = stmpoor.groupby(cohort,as_index=False).agg({'resolvetime': ['count','mean'], 'grouptransfers': ['mean']}).apply(lambda x: x.nlargest(5, ('resolvetime','mean'))

运行时抛出错误：

ValueError: keep must be either "first", "last" or "all"

尝试添加keep='all'后修改代码（注释掉报错部分）：

poorresult = stmpoor.groupby(cohort,as_index=False).agg({'resolvetime': ['count','mean'], 'grouptransfers': ['mean']})# .apply(lambda x: x.nlargest(5, ('resolvetime','mean'),keep='all'))

又出现错误：

TypeError: Series.nlargest() got multiple values for argument 'keep'

错误原因 #

1. 首次代码存在语法错误：apply的lambda表达式末尾缺少右括号
2. 聚合后的结果是多层列索引的DataFrame，直接使用apply时可能误将操作作用在Series上，导致调用Series.nlargest时参数不匹配（Series.nlargest的参数顺序和DataFrame.nlargest不同，会出现参数多值的问题）

正确写法 #

根据实际需求，分两种情况处理：

情况1：全局取TOP5（所有聚合结果中按均值排前5） #

如果是要在所有聚合后的结果里，直接按resolvetime的均值列取TOP5，不需要用apply，直接对聚合后的DataFrame调用nlargest即可：

cohort = ['year','month','maincategory','subcategory'] 
# 先完成聚合操作
agg_result = stmpoor.groupby(cohort, as_index=False).agg(
    {'resolvetime': ['count','mean'], 'grouptransfers': ['mean']}
)
# 全局筛选TOP5，keep='all'保留所有与第5名均值相同的行
poorresult = agg_result.nlargest(5, ('resolvetime', 'mean'), keep='all')

• keep='all'：保留所有和第5名均值相同的行
• keep='first'：只取前5个（即使有相同值，仅保留最早出现的条目）

情况2：分组内取TOP5（指定分组维度内按均值取前5） #

如果需求是按某几个维度分组后，每个分组内部取TOP5（比如按year+month分组，每个月内取maincategory+subcategory的TOP5），可以先完成全维度聚合，再按目标维度分组并调用apply：

cohort = ['year','month','maincategory','subcategory'] 
# 先完成全维度聚合
agg_result = stmpoor.groupby(cohort, as_index=False).agg(
    {'resolvetime': ['count','mean'], 'grouptransfers': ['mean']}
)
# 按year和month分组，每个组内取resolvetime均值TOP5
poorresult = agg_result.groupby(['year','month'], group_keys=False).apply(
    lambda x: x.nlargest(5, ('resolvetime', 'mean'), keep='all')
)

这里group_keys=False可以避免分组键作为额外列添加到结果中，apply的lambda参数x是每个分组的DataFrame，调用DataFrame.nlargest参数匹配正确。

内容的提问来源于stack exchange，提问作者Mark G