パンダは各グループ内で上位n件のレコードを取得します

次のようなパンダDataFrameがあるとします。

>>> 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

次のように、各IDの上位2レコードを含む新しいDataFrameを取得します。

   id  value
0   1      1
1   1      2
3   2      1
4   2      2
7   3      1
8   4      1

私はグループごとにグループ内のレコードに番号を付けることでそれを行うことができます：

>>> 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

しかし、これを行うためのより効果的でエレガントなアプローチはありますか？また、各グループ内のレコードに番号を付けるためのより洗練されたアプローチがあります（SQLウィンドウ関数row_number（）など）。

試しましたか df.groupby('id').head(2)

生成された出力：

>>> df.groupby('id').head(2)
       id  value
id             
1  0   1      1
   1   1      2 
2  3   2      1
   4   2      2
3  7   3      1
4  8   4      1

（データによっては、事前に注文/並べ替えが必要になる場合があることに注意してください）

編集：質問者が述べたように、を使用df.groupby('id').head(2).reset_index(drop=True)してmultindexを削除し、結果を平坦化します。

>>> df.groupby('id').head(2).reset_index(drop=True)
    id  value
0   1      1
1   1      2
2   2      1
3   2      2
4   3      1
5   4      1

0.14.1以降、次のことができるようにnlargestなりnsmallestましたgroupby：

In [23]: df.groupby('id')['value'].nlargest(2)
Out[23]: 
id   
1   2    3
    1    2
2   6    4
    5    3
3   7    1
4   8    1
dtype: int64

そこに元のインデックスを取得することも少し奇妙ですが、元のインデックスが何であったかによっては、これが非常に役立つ場合があります。

興味がない場合.reset_index(level=1, drop=True)は、完全に取り除くことができます。

（注意：0.17.1から、あなたもDataFrameGroupByでこれを行うことができるでしょうが、今のところそれだけで動作SeriesしてSeriesGroupBy。）

データ全体を先にソートすることは、非常に時間がかかることがあります。最初にグループ化し、各グループに対してtopkを実行できます。

g = df.groupby(['id']).apply(lambda x: x.nlargest(topk,['value'])).reset_index(drop=True)