pandas每天一题-题目4：原来查找top n记录也有这种方式

这是一个关于 pandas 从基础到进阶的练习题系列，来源于 github 上的 guipsamora/pandas_exercises 。这个项目从基础到进阶，可以检验你有多么了解 pandas。

我会挑选一些题目，并且提供比原题库更多的解决方法以及更详尽的解析。

计划每天更新一期，希望各位小伙伴先自行思考，再查看答案。如果对你有帮助，记得转发推荐给你的好友！

上期文章：pandas每天一题-题目1、2、3

后台回复"数据"，可以下载本题数据集

如下数据：

数据描述：

• 此数据是订单明细表。一个订单会包含很多明细项，表中每个样本(每一行)表示一个明细项
• order_id 列存在重复
• quantity 是明细项数量

请找出数量最多的明细项(并列最多，全部列出)，要求列出其所有信息(上表中的列)。

格式如下：

接下来就是答案了！

你可能一开始想到的答案是这样子：

df.nlargest(1,'quantity',keep='all')

这是不对的。因为 item_name 相当于是一个产品名字，它可能同时存在于多个订单中。

上面的结果只能是"找出数据中，数量最多的行"

因此，我们应该这样做：

(
    df.groupby(['item_name'])
    .agg({'quantity': sum,})
    .nlargest(1, 'quantity', keep='all')
)

• 行2：按名字分组
• 行3：汇总数量
• 行4：取最多数量的。这里要说明一下，因为分组汇总后的结果仍然是一个 DataFrame（表格），因此可以继续使用他的各种方法
• 为了做到需求中"并列最多，全部列出"，这里设置的参数 keep

看看 nlargest 的参数描述：

关键知识点：

1. 分组统计。df.groupby + agg ，常用操作，必须掌握
2. 取前n最大。df.nlargest

解法2

如果最多只有一笔，我们也可以使用：

(
    df.groupby(['item_name'])
    .agg({'quantity': sum,})
    .sort_values( 'quantity', ascending=False)
    .head(1)
)

• 行4：按数量倒序(ascending=False)排序
• 行5：取第一行

那么，这种方式下，可以做到"并列最多，全部列出"的需求吗？

我们尝试一下。

首先，由于数据到了50才出现重复：

于是，我们把结果从50开始截取，当作是汇总后的结果：

res = (
    df.groupby(['item_name'])
    .agg({'quantity': sum,})
    .sort_values( 'quantity', ascending=False)
    .query('quantity<=50')
)
res

其实道理很简单，求出最大值，把数量为最大值的行保留即可：

res = (
    df.groupby(['item_name'])
    .agg({'quantity': sum,})
    .sort_values( 'quantity', ascending=False)
    .query('quantity<=50')
)

maxv = res.iloc[0,0]
res.query('quantity==@maxv')

• 行8：取出汇总数据的第一行第一列。因为是倒序排序，这个值就是最大值
• 行9：把等于最大值的行保留即可

这种方式比较繁琐，如果只是求n大记录，建议使用 nlargest

推荐阅读：

1. python 方法太多了，怎么记住？在 JupyterNotebook中这几招很有用