我没有使用"by"就得到了这个错误:

类型错误:sort_values()缺少一个必需的位置参数:'by'

所以，我把它改成这样，现在它工作了:

df.groupby(['job','source']).agg({'count':sum}).sort_values(by='count',ascending=False).head(20)

你也可以一次性完成，先排序，然后用头取每组的前3个。

In[34]: df.sort_values(['job','count'],ascending=False).groupby('job').head(3)

Out[35]: 
   count     job source
4      7   sales      E
2      6   sales      C
1      4   sales      B
5      5  market      A
8      4  market      D
6      3  market      B

您要做的实际上又是一个groupby(基于第一个groupby的结果):对每个组的前三个元素进行排序并取它们。

从第一组by的结果开始:

In [60]: df_agg = df.groupby(['job','source']).agg({'count':sum})

我们根据指数的第一级进行分组:

In [63]: g = df_agg['count'].groupby('job', group_keys=False)

然后我们想要排序('order')每个组，并取前三个元素:

In [64]: res = g.apply(lambda x: x.sort_values(ascending=False).head(3))

然而，对于这一点，有一个快捷函数nmaximum:

In [65]: g.nlargest(3)
Out[65]:
job     source
market  A         5
        D         4
        B         3
sales   E         7
        C         6
        B         4
dtype: int64

这样一来，它看起来就像:

df_agg['count'].groupby('job', group_keys=False).nlargest(3)

试试这个，这是一个简单的方法来做groupby和降序排序:

df.groupby(['companyName'])['overallRating'].sum().sort_values(ascending=False).head(20)

@joris的回答帮助很大。 这对我来说很管用。

df.groupby(['job'])['count'].nlargest(3)

你可以用一行写出来

df.groupby(['job']).apply(lambda x: x.sort_values(['count'], ascending=False).head(3)
.drop('job', axis=1))

apply()所做的是，它接受groupby的每一组并将其赋值给lambda函数中的x。