Python Pandas DataFrames排序、求和和获取Max数据

Question

我刚刚开始学习Python、Pandas和NumPy，我想找出解决以下问题的最干净、最有效的方法。

我有包含CarManufacturer、Car、TotalCarSales的数据，请记住这些数据并不小：

CarManufacturer Car TotalCarSales

大众Polo 100

大众高尔夫50

本田爵士40

本田思域100

问:根据最畅销的前三名，哪个制造商卖出了最多的汽车？

我正在努力有效地解决这个问题。我希望避免对数据进行迭代。

我的想法是：-将数据加载到DataFrame中-根据CarManufacturer、Car、TotalCarSales索引数据-我需要在这里进行排序吗？这会很慢吗？-创建一个包含CarManufacturer，TotalSales的新DataFrame。对于每个CarManufacturer，我需要获取前3个TotalCarSales并求它们的和-有没有一种方法可以在不迭代DataFrame中的所有记录的情况下做到这一点？获取前3名的最好方法是什么？-那么如果我对TotalSales排序，然后取前3名，排序不会很慢吗？有没有更有效的方法？

Answer 1

我认为需要：

print (df)
   CarManufacturer      Car  TotalCarSales
0       Volkswagen     Polo            100
1       Volkswagen   Sharan            100
2       Volkswagen     Golf             50
3           Toyota    Auris            200
4           Toyota     Aygo             10
5           Toyota  Avensis             50
6            Honda    Civic             40
7            Honda     Jazz             40
8            Honda    Civic            100
9             Seat   Toledo            200
10            Seat     Leon            400

a = (df.sort_values('TotalCarSales', ascending=False)
      .groupby('CarManufacturer')['TotalCarSales']
      .apply(lambda x: x.head(2).sum())  #for top3 change 2 to 3
      .nlargest(3).index.tolist())
print (a)
['Seat', 'Toyota', 'Volkswagen']

解释：

首先使用sort_values

• Then列对列进行排序，并对head

• For选择的前3个顶值求和。3 index

TotalCarSales

• DataFrame TotalCarSales groupby CarManufacturer nlargest and exctract of index

详细信息

print (df.sort_values('TotalCarSales', ascending=False))
   CarManufacturer      Car  TotalCarSales
10            Seat     Leon            400
3           Toyota    Auris            200
9             Seat   Toledo            200
0       Volkswagen     Polo            100
1       Volkswagen   Sharan            100
8            Honda    Civic            100
2       Volkswagen     Golf             50
5           Toyota  Avensis             50
6            Honda    Civic             40
7            Honda     Jazz             40
4           Toyota     Aygo             10

print (df.sort_values('TotalCarSales', ascending=False)
      .groupby('CarManufacturer')['TotalCarSales']
      .apply(lambda x: x.head(2).sum()))
CarManufacturer
Honda         140
Seat          600
Toyota        250
Volkswagen    200
Name: TotalCarSales, dtype: int64

Answer 2

当你在学习的时候，最好的方法就是去尝试。

您的数据不太可能太大(没有数百万个汽车型号)，但在任何情况下，您都可以使用df.head(N)获取前N行来尝试您的方法，看看它是否很慢。

其他有用的函数包括df.groupby、df.nlargest、df.sort_values

Answer 3

我要在这里做一个排序吗？那会很慢吗？

是的，在每个组中进行排序是获得所需内容的好方法。此外，排序是一个O(nlogn)操作，所以它不应该太慢。

有没有一种不用遍历DataFrame中的所有记录就能做到这一点的方法？获取前3名的最佳方法是什么？

可以，您可以使用GroupBy.head。另一种可以节省您一些时间的选择是SeriesGroupBy.nlargest，它为您提供了一个序列中最大的n个元素，这样您就不需要首先进行排序了。