本文旨在介绍如何使用 Pandas 库，针对 DataFrame 数据，按照特定类别进行分组，并选取每个类别下的前 N 行数据。通过 groupby() 和 head() 函数的结合使用，可以高效地实现数据筛选，适用于需要按组提取头部数据的场景。本文将提供详细的代码示例和解释，帮助读者掌握这一实用技巧。
Pandas 提供了强大的数据处理能力，其中按类别选取数据是一项常见的需求。例如，我们可能需要在一个包含多个类别的数据集中，选取每个类别中排名靠前的数据。groupby() 和 head() 函数的结合使用，可以简洁高效地实现这一目标。
基本方法
核心思路是先使用 groupby() 函数按照指定的列（类别）对 DataFrame 进行分组，然后对每个分组应用 head() 函数，选取每个分组的前 N 行数据。
代码示例
假设我们有以下 DataFrame：
import pandas as pd
data = [['Tom', 'A', 10], ['Jack', 'A', 9], ['Andy', 'A', 8],
['Lily', 'A', 7], ['Johan', 'B', 10], ['Ewa', 'B', 9],
['Peter', 'B', 8], ['David', 'C', 11], ['Alice', 'C', 12]]
df = pd.DataFrame(data, columns=['Name', 'Category', 'Score'])
print("原始 DataFrame：")
print(df)这段代码会生成一个包含姓名（Name）、类别（Category）和分数（Score）的 DataFrame。
现在，我们要选取每个类别中分数最高的前 3 名学生。可以使用以下代码：
top3_category = df.groupby('Category').head(3)
print("\n每个类别的前 3 行数据：")
print(top3_category)这段代码首先使用 df.groupby('Category') 按照 'Category' 列进行分组。然后，对每个分组应用 head(3) 函数，选取每个分组的前 3 行数据。最终，top3_category DataFrame 将包含每个类别中分数最高的前 3 名学生的信息。
代码解释
- df.groupby('Category'): 这部分代码创建了一个 GroupBy 对象，它将 DataFrame 按照 'Category' 列的值进行分组。
- .head(3): 这部分代码对每个分组应用 head(3) 函数，选取每个分组的前 3 行数据。head(n) 函数返回 DataFrame 的前 n 行。
注意事项
- 如果某个类别的数据少于 N 行，head(N) 函数将返回该类别的所有数据。
- groupby() 函数返回的是一个 GroupBy 对象，需要对该对象应用其他函数才能得到最终结果。
- head() 函数返回的是 DataFrame 的一个子集，不会修改原始 DataFrame。
总结
使用 Pandas 的 groupby() 和 head() 函数可以方便地按照类别选取 DataFrame 的前 N 行数据。这种方法简洁高效，适用于各种需要按组提取头部数据的场景。掌握这一技巧可以显著提高数据处理效率。
