{"id":2921,"date":"2023-07-20T02:05:59","date_gmt":"2023-07-20T02:05:59","guid":{"rendered":"https:\/\/statorials.org\/de\/pandas-gruppe-nach-der-grossten\/"},"modified":"2023-07-20T02:05:59","modified_gmt":"2023-07-20T02:05:59","slug":"pandas-gruppe-nach-der-grossten","status":"publish","type":"post","link":"https:\/\/statorials.org\/de\/pandas-gruppe-nach-der-grossten\/","title":{"rendered":"Pandas: so verwenden sie groupby mit nlargest()"},"content":{"rendered":"

<\/p>\n

\n

Sie k\u00f6nnen die folgende Syntax verwenden, um die n gr\u00f6\u00dften Werte nach Gruppe in einem Pandas-DataFrame anzuzeigen:<\/span><\/p>\n

 #display two largest values by group<\/span>\ndf. groupby<\/span> (' group_var<\/span> ')[' values_var<\/span> ']. nlargest<\/span> ( 2<\/span> )\n<\/strong><\/pre>\n
 Und Sie k\u00f6nnen die folgende Syntax verwenden, um bestimmte Operationen (z. B. die Bildung der Summe) f\u00fcr die n gr\u00f6\u00dften Werte pro Gruppe in einem Pandas-DataFrame auszuf\u00fchren:<\/span><\/p>\n
 #find sum of two largest values by group<\/span>\ndf. groupby<\/span> (' group_var<\/span> ')[' values_var<\/span> ']. apply<\/span> ( lambda<\/span> grp: grp.nlargest<\/span> ( 2<\/span> ) .sum<\/span> ())\n<\/strong><\/pre>\n
 Die folgenden Beispiele zeigen, wie jede Methode in der Praxis mit dem folgenden Pandas DataFrame verwendet wird:<\/span><\/p>\n
 import<\/span> pandas as<\/span> pd\n\n#createDataFrame\ndf = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'],\n                   ' points<\/span> ': [12, 29, 34, 14, 10, 11, 7, 36, 34, 22]})<\/span>\n\n#view DataFrame\nprint<\/span> (df)\n\n  team points\n0 to 12\n1 to 29\n2 to 34\n3 to 14\n4 to 10\n5 B 11\n6 B 7\n7 B 36\n8 B 34\n9 B 22\n<\/span><\/span><\/strong><\/span><\/pre>\n
 Beispiel 1: Zeigen Sie die N gr\u00f6\u00dften Werte nach Gruppe an<\/strong><\/span><\/h3>\n
 Die folgende Syntax kann verwendet werden, um die beiden gr\u00f6\u00dften Punktwerte<\/strong> gruppiert nach Team<\/strong> anzuzeigen:<\/span><\/p>\n
 #display two largest points values grouped by team\ndf. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. nlargest<\/span> ( 2<\/span> )\n\nteam   \nAt 2 34\n      1 29\nB 7 36\n      8 34\nName: points, dtype: int64\n<\/span><\/span><\/strong><\/pre>\n
 Das Ergebnis zeigt die beiden gr\u00f6\u00dften Punktwerte<\/strong> f\u00fcr jedes Team<\/strong> zusammen mit ihren Indexpositionen im urspr\u00fcnglichen DataFrame an.<\/span><\/p>\n
 Beispiel 2: F\u00fchren Sie eine Operation f\u00fcr die N gr\u00f6\u00dften Werte pro Gruppe durch<\/strong><\/span><\/h3>\n
 Wir k\u00f6nnen die folgende Syntax verwenden, um die Summe der beiden gr\u00f6\u00dften Punktwerte<\/strong> gruppiert nach Team<\/strong> zu berechnen:<\/span><\/span><\/p>\n
 #calculate sum of two largest points values for each team\ndf. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. apply<\/span> ( lambda<\/span> grp: grp.nlargest<\/span> ( 2<\/span> ) .sum<\/span> ())\n\nteam\nAt 63\nB70\nName: points, dtype: int64<\/span>\n<\/span><\/strong><\/pre>\n
 So interpretieren Sie das Ergebnis:<\/span><\/p>\n