pythonimport pandas as pd# 创建示例数据集data = {'商品名称': ['苹果', '香蕉', '橙子', '西红柿', '胡萝卜', '牛肉', '猪肉', '鸡肉'], '类别': ['水果', '水果', '水果', '蔬菜', '蔬菜', '肉类', '肉类', '肉类'], '价格': [5, 4, 3, 2, 1, 10, 8, 6]}df = pd.DataFrame(data)# 查找每个类别的最大两个价格result = df.groupby('类别')['价格'].nlargest(2).reset_index(level=0, drop=True)print(result)以上代码中，我们首先创建了一个包含商品名称、类别和价格的数据集。然后，我们使用 `groupby` 函数按照类别进行分组，并使用 `nlargest` 函数查找每个类别中价格最大的前两个商品。最后，我们使用 `reset_index` 函数重置索引，并使用 `drop=True` 参数删除原索引。运行以上代码，我们将得到以下输出：类别水果 5水果 4肉类 10肉类 8Name: 价格, dtype: int64使用 Pandas 查找列中每个类别的最大 n 值的步骤：1. 导入 Pandas 模块：`import pandas as pd`2. 创建数据集：使用字典或其他方式创建包含类别信息的数据集。3. 使用 `groupby` 函数按照类别进行分组：`df.groupby('类别')`4. 使用 `nlargest` 函数查找每个类别中最大的 n 个值：`['价格'].nlargest(n)`5. 可选：使用 `reset_index` 函数重置索引，并使用 `drop=True` 参数删除原索引。6. 输出结果。案例分析：假设我们有一个汽车销售数据集，其中包含车辆品牌、销售区域和销售量等信息。我们想要找到每个品牌在每个销售区域中销售量最大的前三个车型。让我们使用 Pandas 来实现这个需求。
pythonimport pandas as pd# 创建示例数据集data = {'车辆品牌': ['奥迪', '奥迪', '奥迪', '宝马', '宝马', '宝马', '奔驰', '奔驰', '奔驰'], '销售区域': ['华北', '华北', '华东', '华北', '华东', '华东', '华东', '华南', '华南'], '销售量': [100, 90, 80, 200, 180, 160, 150, 120, 110]}df = pd.DataFrame(data)# 查找每个品牌在每个销售区域中销售量最大的前三个车型result = df.groupby(['车辆品牌', '销售区域'])['销售量'].nlargest(3).reset_index(level=[0, 1], drop=True)print(result)以上代码中，我们首先创建了一个包含车辆品牌、销售区域和销售量的数据集。然后，我们使用 `groupby` 函数按照车辆品牌和销售区域进行分组，并使用 `nlargest` 函数查找每个品牌在每个销售区域中销售量最大的前三个车型。最后，我们使用 `reset_index` 函数重置索引，并使用 `drop=True` 参数删除原索引。运行以上代码，我们将得到以下输出：车辆品牌 销售区域奥迪 华北 100 华北 90 华东 80宝马 华北 200 华东 180 华东 160奔驰 华东 150 华南 120 华南 110Name: 销售量, dtype: int64以上是使用 Pandas 查找列中每个类别的最大 n 值的方法和一个实际案例。通过使用这些方法，我们可以轻松地找到每个类别中的最大或最小值，从而更好地理解和分析数据。希望本文对你有所帮助！