Os pandas obtêm os registros mais importantes de cada grupo
Suponha que eu tenha pandas DataFrame assim:
>>> df = pd.DataFrame({'id':[1,1,1,2,2,2,2,3,4],'value':[1,2,3,1,2,3,4,1,1]})
>>> df
id value
0 1 1
1 1 2
2 1 3
3 2 1
4 2 2
5 2 3
6 2 4
7 3 1
8 4 1
Eu quero obter um novo DataFrame com top 2 registros para cada id, como este:
id value
0 1 1
1 1 2
3 2 1
4 2 2
7 3 1
8 4 1
Eu posso fazer isso com registros de numeração dentro de grupo após grupo por:
>>> dfN = df.groupby('id').apply(lambda x:x['value'].reset_index()).reset_index()
>>> dfN
id level_1 index value
0 1 0 0 1
1 1 1 1 2
2 1 2 2 3
3 2 0 3 1
4 2 1 4 2
5 2 2 5 3
6 2 3 6 4
7 3 0 7 1
8 4 0 8 1
>>> dfN[dfN['level_1'] <= 1][['id', 'value']]
id value
0 1 1
1 1 2
3 2 1
4 2 2
7 3 1
8 4 1
Mas existe uma abordagem mais eficaz / elegante para fazer isso? E também há uma abordagem mais elegante para registros numéricos dentro de cada grupo (como a função de janela SQLrow_number ()).