努力将.nlargest()应用于我的groupedby数据,以便仅显示每个索引的总收入最多的10个[0]
按数据分组如下:
当我跑步时:
grp_data.n_largest(10,'GrossRevenue_GBP')
似乎不适用于我,完整的代码段如下:
tmean = lambda x :stats.trim_mean(x, 0.1)
data = data.loc[(data['YYYY'] == 2016)&(data['New_category_ID'] != 0)]
grp_data = data.groupby(['New_category','CDI_CUS_NM'])['GrossRevenue_GBP',
'OrderCount',
'% Rev',
'MOVC_GBP',
'Average order size']
.aggregate({'GrossRevenue_GBP':np.sum, 'OrderCount':np.sum,'% Rev': np.sum,'MOVC_GBP': tmean ,'Average order size': tmean })
.nlargest(10,'GrossRevenue_GBP')
grp_data['Country'] = 'EU'
key1 = grp_data.index.labels[0]
key2 = grp_data['GrossRevenue_GBP'].rank(ascending=False)
sorter = np.lexsort((key2, key1))
grp_data = grp_data.take(sorter)
grp_data = grp_data[['% Rev','GrossRevenue_GBP', 'MOVC_GBP','Average order size','OrderCount','Country']]
非常感谢您的帮助。
谢谢,
我认为您需要groupby
首先具有Multiindex级别,并使用以下功能nlargest
:
grp_data = data.groupby(['New_category','CDI_CUS_NM'])
.aggregate({'GrossRevenue_GBP':np.sum,
'OrderCount':np.sum,
'% Rev': np.sum,
'MOVC_GBP': tmean ,
'Average order size': tmean })
df = grp_data.groupby('New_category')
.apply(lambda x: x.nlargest(1,'GrossRevenue_GBP'))
.reset_index(level=0, drop=True)
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句