pandas分组排序获取第二大及最大数据的方法

键盘旁的猫

发布时间：2026-10-14| 3人浏览过

原创

本文介绍如何使用Python pandas库进行分组排序并获取组内第二大或最大的数据。通过groupby结合apply函数，可自定义逻辑提取特定排名数值；对于按列排序后取最大行的需求，可利用sort_values配合groupby的first或head方法实现高效数据筛选。

Python在数据分析领域应用广泛，网络上关于查找数据中第二大值的教程多集中于SQL，因此尝试使用Python实现这一功能（主要因为SQL掌握程度有限）。以下是具体实现代码。

1、数据构造

实际工作场景中，数据通常从数据库导入，后续会补充数据库导出相关操作说明。


import pandas as pd
df = pd.DataFrame([
    {"class": 1, "name": "aa", "english": 120},
    {"class": 1, "name": "bb", "english": 110},
    {"class": 1, "name": "cc", "english": 110},
    {"class": 1, "name": "dd", "english": 110},
    {"class": 2, "name": "ee", "english": 120},
    {"class": 2, "name": "ff", "english": 140},
    {"class": 2, "name": "gg", "english": 130},
    {"class": 2, "name": "hh", "english": 130},
    {"class": 3, "name": "tt", "english": 130},
    {"class": 4, "name": "xx", "english": 130},
    {"class": 4, "name": "yy", "english": 130},
    {"class": 5, "name": "zz", "english": None},
  ])

2、分组提取第二大数据


def fun(df):
  # english数据去重
  sort_set = set(df["english"].values.tolist())
  if len(sort_set)<=1:
    # 数据量小于等于1，无法取到第二大的数据
    return None
  else:
    # 取english中第二大的值
    sort_value = sorted(sort_set,reverse=True)[1]
    temp_df = df[df["english"]==sort_value]
    return temp_df
 
df = df.groupby(by=["class"]).apply(fun).reset_index(drop=True)
print(df)

运行结果如下：


  class name english
0 1 bb 110.0
1 1 cc 110.0
2 1 dd 110.0
3 2 gg 130.0
4 2 hh 130.0

3、总结

该方法同样适用于获取最大值、最小值或第三大值等其他排名需求。

补充：pandas按列A排序，并按B和C两列分组，选取分组后A列值最大的行。

pandas按列A排序，并按B和C两列分组，选取分组后A列值最大的行。

一、需求描述

要求按updateTime列倒序排序，依据B和C两列进行分组，在每组中选取最后更新时间的那一行数据，并重新生成索引。

二、代码实现


import pandas as pd
data = pd.read_csv('test.csv')
df = pd.DataFrame(data)
df = df.sort_values('updateTime', ascending=False).groupby(['B','C']).first().reset_index()

first()函数用于选择每组的第一行，若需选取多行，可使用head()函数，例如head(5)表示选取前五行。

示例如下：


import pandas as pd 
data = pd.read_csv('test.csv',header = 0)
df = pd.DataFrame(data) 
# 按日期分组，分组后对 value 列从大到小排序，取每组前十行
df = df.groupby('date', group_keys=False).apply(lambda x: x.sort_values('value', ascending=False)).groupby('date').head(10).reset_index()

当无法直接使用sort_values()函数时，可改用apply()函数进行处理。

以上为个人经验分享，旨在提供参考，欢迎指正不足与错误。