如何获得 Pandas 中排名前 5 的密集行？
How to get top 5 dense ranked rows in Pandas?
所以我试着让它工作。我知道如何排序，使用 nlargest 或使用 rank with method dense..但不知何故我还是迷路了。
这是我想要实现的目标：
- 我总是希望根据某个值 (1, 2, 3) 获得前 3 行
- 但是，如果有多行具有相同的值，那么我想要超过 3 行（例如 1,2,2,3 应该 return 4 行）
假设我有这个数据
我想select top3 rows based on the lowest score 我想得到这个
正如我所说，我想要前3行，但如果有相同的分数，应该得到4个或更多。
我在尝试的所有组合中都迷失了一点。有没有简单的方法可以做到这一点？
您可以创建一个包含 Score 列中 3 个最小值的数组，然后使用 isin 过滤您的数据框：
some_vals = pd.Series(df['Score'].unique()).nsmallest(3).values
df[df['Score'].isin(some_vals)]
Name Score
0 John 1
1 Mark 2
2 Perry 2
3 Dion 3
通过这种方式，您可以确保返回所有 Score 中的值等于 3 个最小值中的任何一个的名称。
所以我试着让它工作。我知道如何排序，使用 nlargest 或使用 rank with method dense..但不知何故我还是迷路了。
这是我想要实现的目标：
- 我总是希望根据某个值 (1, 2, 3) 获得前 3 行
- 但是，如果有多行具有相同的值，那么我想要超过 3 行（例如 1,2,2,3 应该 return 4 行）
假设我有这个数据
我想select top3 rows based on the lowest score 我想得到这个
正如我所说，我想要前3行，但如果有相同的分数，应该得到4个或更多。
我在尝试的所有组合中都迷失了一点。有没有简单的方法可以做到这一点？
您可以创建一个包含 Score 列中 3 个最小值的数组，然后使用 isin 过滤您的数据框：
some_vals = pd.Series(df['Score'].unique()).nsmallest(3).values
df[df['Score'].isin(some_vals)]
Name Score
0 John 1
1 Mark 2
2 Perry 2
3 Dion 3
通过这种方式，您可以确保返回所有 Score 中的值等于 3 个最小值中的任何一个的名称。