如果你不需要对一个列求和，那么使用@tvashtar的答案。如果你确实需要求和，那么你可以使用@joris的答案或这个非常相似的答案。

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

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)

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。

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)

当分组数据帧包含多个分组列(“multi-index”)时，使用其他方法会擦除其他列:

edf = pd.DataFrame({"job":["sales", "sales", "sales", "sales", "sales",
                           "market", "market", "market", "market", "market"],
                    "source":["A", "B", "C", "D", "E", "A", "B", "C", "D", "E"],
                    "count":[2, 4,6,3,7,5,3,2,4,1],
                    "other_col":[1,2,3,4,56,6,3,4,6,11]})

gdf = edf.groupby(["job", "source"]).agg({"count":sum, "other_col":np.mean})
gdf.groupby(level=0, group_keys=False).apply(lambda g:g.sort_values("count", ascending=False))

这将保持other_col以及在每个组中按计数列排序

如果你不需要对一个列求和，那么使用@tvashtar的答案。如果你确实需要求和，那么你可以使用@joris的答案或这个非常相似的答案。

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