pandas 取 groupby 后每个分组的前 N 行

原始数据如下：

（图是从 excel 截的，最左1行不是数据，是 excel 自带的行号，为了方便说明截进来的）

除去首行是标题外，有效数据为 28行 x 4列

目前的需求是根据 partition 分组，然后取每组的前 2 行，如果不考虑排序，代码如下：

（把head()里面的数字改成 n 就可以取 n 行）

import pandas as pd

esp_df = pd.read_excel('excel文件路径', sheet_name='Sheet名')
esp_df.groupby(['partition', 'create_time', 'last_modified_time']).mean().reset_index(drop=False).groupby('partition').head(2)

结果如下：

分别说明如下：

• groupby：分组，这里是根据数据中的 3 列来一起分组，因为我们并不需要做聚合运算，所以这么取可以保留原始数据不变。原始数据只有 4 列，这里 groupby 了 3 列，只剩下 size（其实把 size 放进去一起 groupby 也没问题）
• mean：求平均值，但是在这里没用，因为上一步的 groupby 取了前面的 3 列，在本例中，前 3 列并在一起就能得到一个唯一的一行，所以这里其实也只是每一行数据自己求平均数，结果等于它本身。同理，这里替代成求和函数 sum() 也是一样的。但是不能省略，因为**省略后它就是一个 DataFrameGroupBy 类型的变量，不是 DataFrame，而 DataFrameGroupBy 是没有后面的 reset_index 方法的
• reset_index：重置索引，groupby 之后，结果集的索引就变成了 groupby 里面的 key，这个 reset_index 把这个索引重新退回为数据。
  
  举例说明，在应用 reset_index 之前，即使用 mean() 之后的数据是这样的：
  
  

可以看到左边的 3 列，也就是 groupby key 的 partition、create_time、last_modified_time 是加粗了的，说明此时这 3 列都是索引；而且 partition 因为有相同的行，还被合并了。显然这不是我们想要的。reset_index 把它们重新放回到数据列里



参数中的 drop 作用是是否保留（重置前）的索引

数据就又回来了，索引变成了原来默认的（0123...）

• groupby：再次根据 partition 分组
• head: 取每个分组的前 n 行

如果要排序

本例中，如果要先根据 partition 分组，然后再根据 size 倒序（从大到小）再取前 2 行，则代码如下：

esp_df.groupby(['partition']).apply(lambda x: x.sort_values(["size"], ascending = False)).reset_index(drop=True).groupby('partition').head(2)

结果如下：