在每个组中获取前n个最大值的平均值

Question

假设我有一个 Pandas 数据帧，命名为 df，如下所示：

 id    x      y
 1     10     A
 2     12     B
 3     10     B
 4     4      C
 5     9      A
 6     15     A
 7     6      B

现在我想按列y对数据进行分组，并获取每个组中前两个最大值（x）的平均值，结果应该类似于此：

y     
A      (10+15)/2 = 12.5
B      (12 + 10)/2 = 11
C      4

如果我使用df.groupby('y')['x'].nlargest(2)，我会得到：

y    id    
A    1    10
     6    15
B    2    12
     3    10
C    4    4

变量的类型是pandas.core.series.Series。因此，当我执行df.groupby('y')[x].nlargest(2).mean()时，我得到的是所有数字的平均值，而不是每个组的3个平均值。最后，我想绘制结果，其中组将位于x轴上，平均值将位于y轴上，所以我想我也应该摆脱列'id'？ 有人知道如何解决这个问题吗？谢谢帮忙！

- Bombadil

Answer 1

df.groupby('y')['x'].nlargest(2).mean(level=0)
Out: 
y
A    12.5
B    11.0
C     4.0
Name: x, dtype: float64

请注意，这里对“y”进行了两次分组（mean(level=0)是另一种分组方式，但它是在索引上完成的，因此更快）。根据分组数量，groupby.apply可能更有效，因为它只需要在这种特定情况下进行一次分组。

df.groupby('y')['x'].apply(lambda ser: ser.nlargest(2).mean())
Out: 
y
A    12.5
B    11.0
C     4.0
Name: x, dtype: float64

- ayhan