如何保留数据框中唯一的前 N ​​个值

Question

它是pandas/Dataframe，对于每一行，我只想保留前N（N=3）个值并将其他值设置为nan，

import pandas as pd
import numpy as np

data = np.array([['','day1','day2','day3','day4','day5'],
                ['larry',1,4,4,3,5],
                ['gunnar',2,-1,3,4,4],
                ['tin',-2,5,5, 6,7]])
                
df = pd.DataFrame(data=data[1:,1:],
                  index=data[1:,0],
                  columns=data[0,1:])
print(df) 

输出是

       day1 day2 day3 day4 day5
larry     1    4    4    3    5
gunnar    2   -1    3    4    4
tin      -2    5    5    6    7

我想得到

       day1 day2 day3 day4 day5
larry   NaN    4    4  NaN    5
gunnar  NaN  NaN    3    4    4
tin     NaN    5  NaN    6    7

与熊猫类似：仅保留前 n 个值并将其他值设置为 0，但我只需要保留 N 个最高可用值，否则平均值不正确

对于上述结果我想先留着5只

Answer 1

您可以使用np.unique排序并找到第 5 个最大值，并使用where：

uniques = np.unique(df)

# what happens if len(uniques) < 5?
thresh = uniques[-5]
df.where(df >= thresh)

输出：

        day1  day2  day3  day4  day5
larry    NaN   4.0     4     3     5
gunnar   NaN   NaN     3     4     4
tin      NaN   5.0     5     6     7

更新：第二次看，我认为你可以这样做：

df.apply(pd.Series.nlargest, n=3,axis=1).reindex(df.columns, axis=1)

输出：

        day1  day2  day3  day4  day5
larry    NaN   4.0   4.0   NaN   5.0
gunnar   NaN   NaN   3.0   4.0   4.0
tin      NaN   5.0   NaN   6.0   7.0

Answer 2

df.rank这是使用on 的另一种方法axis=1，我们反转列并计算排名，因为在重复项上您希望保留第一个值。

df[df.astype(float).iloc[:,::-1].rank(1,'first').ge(3)]

       day1 day2 day3 day4 day5
larry   NaN    4    4  NaN    5
gunnar  NaN  NaN    3    4    4
tin     NaN    5  NaN    6    7

然而，正如 @Allolz 正确指示的那样，对于基于 df 形状的一般用例，可以使用：

N=3
n = df.shape[1]-N+1
df[df.astype(float).iloc[:,::-1].rank(1,'first').ge(n)]