减少python中数据框的维度

Question

我有数据框，包含三列。我想减少数据框的尺寸。

  data = [[1, 876, 0.98],[1, 888, 0.58],[1, 976, 0.48],[1, 648, 0.98],[2, 765, 0.28], [2, 986, 0.28], [2, 765, 1.0], [2, 876, 0.45]]

    sample = pd.DataFrame(data, columns=['col1','col2', 'col3'])

   col1  col2  col3

0     1   876  0.98

1     1   888  0.58

2     1   976  0.48

3     1   648  0.98

4     2   765  0.28

5     2   986  0.28

6     2   765  1.00

7     2   876  0.45

我希望下面是基于条件的所需输出： 1. 对于 col1 中的每个值，应该有一行，col 4 应该是元组列表（col2, col3） 2. col4 应该只有基于值的前两个元组第 3 列 例如，在样本数据帧中，col2 765 出现了两次，最终的数据帧应该取在 col3 中具有最高值和第二高的那个

data = [[1, [(876, 0.98),(648, 0.98)]],[2, [(876, 0.45), (765, 1.0)]]]

desired_output = pd.DataFrame(data, columns=['col1', 'col2'])

   col1                        col4

0     1  [(876, 0.98), (648, 0.98)]

1     2   [(876, 0.45), (765, 1.0)]

我想存储在元组列表中，以便我可以将它用于其他目的。这只是解决更大问题的一部分。

Answer 1

FWIWsample = sample.sort_values(['col1', 'col3'], ascending=[True, False])sample.groupby('col1')[['col2', 'col3']].apply(    lambda d: [*d.head(2).itertuples(index=False)]).reset_index(name='col4')   col1                        col40     1  [(876, 0.98), (648, 0.98)]1     2   [(765, 1.0), (876, 0.45)]这些将被命名为元组。你可以避免这种情况name=Nonesample = sample.sort_values(['col1', 'col3'], ascending=[True, False])sample.groupby('col1')[['col2', 'col3']].apply(    lambda d: [*d.head(2).itertuples(index=False, name=None)]).reset_index(name='col4')