Pandas のグループ化とグループ内での並べ替え

複数の列による DataFrame のグループ化は、データ操作の一般的なタスクです。これにより、これらの列によってデータを集計し、集計結果に対してさらなる操作を実行できるようになります。ただし、上位行または下位行を取得するには、各グループ内の集計結果を並べ替える必要があることがよくあります。

質問で提供されている DataFrame df を検討してください:

   count     job source
0      2   sales      A
1      4   sales      B
2      6   sales      C
3      3   sales      D
4      7   sales      E
5      5  market      A
6      3  market      B
7      2  market      C
8      4  market      D
9      1  market      E

目的は、df をジョブ列とソース列ごとにグループ化し、各グループ内で「カウント」列を降順に並べ替えることです。これを実現するには、次のように groupby() 関数と sort_values() 関数を使用します。

df.groupby(['job', 'source'])['count'].sum().sort_values(ascending=False)

これにより、各グループ内で「count」列が降順で並べ替えられ、次の出力が得られます:

job    source       
sales  E           7
       C           6
       B           4
       D           3
       A           2
market A           5
       D           4
       B           3
       C           2
       E           1

ただし、各グループ内の上位 3 行のみを取得したい場合は、head() 関数を使用できます。

df.groupby(['job', 'source'])['count'].sum().sort_values(ascending=False).groupby('job').head(3)

これにより、次の結果が得られます:

   count     job source
4      7   sales      E
2      6   sales      C
1      4   sales      B
5      5  market      A
8      4  market      D
6      3  market      B

groupby()、sort_values()、head() 関数を組み合わせることで、pandas の各グループ内の上位行または下位行を効果的にグループ化、並べ替え、選択できます。