groupby().head()返回空或结果错误，因它按原始行序取每组前N行而非按指标排序；需先sort_values再groupby().head()，或改用apply(nlargest)并注意NaN、索引、并列处理。
groupby().head() 为什么有时返回空或结果不对
直接用 df.groupby('category').head(3) 看似简单，但结果常出人意料：可能某组只返回1行、甚至整组消失。根本原因不是函数失效，而是 head() 作用在**分组后各子DataFrame的原始行序上**——它不排序，只取每组最上面的N行。如果原始数据里A组的3条记录分散在第2、第50、第102行，head(3) 只会取该组中位置最靠前的3条（即按全局索引顺序），而非你想要的“销量最高的前3名”。
常见错误场景：
- 未对每组内数据预排序，误以为
head()是“Top N”语义 - 分组键含缺失值（
NaN），导致对应行被自动丢弃（groupby默认dropna=True） - 使用
head(n)时n超过某组实际行数，该组只返回全部行（非报错，易被忽略）
正确做法：先sort_values再groupby().head()
要拿到每组内某指标的前N名，必须显式排序。关键顺序是：先按排序字段降序，再分组，再取头N行。例如按销售额取每城市前2名：
df.sort_values('sales', ascending=False).groupby('city').head(2)
注意点：
立即学习“Python免费学习笔记（深入）”；
- 排序必须在
groupby之前，否则分组已固化行序，后续排序无效 - 若需多级排序（如先按销售额，再按时间新旧），传入列表：
sort_values(['sales', 'date'], ascending=[False, False]) - 想保留原始索引便于追踪来源？加
ignore_index=False（默认即如此），结果中索引仍是原数据索引
替代方案：用apply + nlargest更安全
当逻辑变复杂（比如每组取“销售额前3且状态为active的记录”），head() 就不够用了。此时改用 apply() 配合 nlargest() 更直观可控：
df.groupby('city').apply(lambda x: x.nlargest(3, 'sales'))
优势与注意事项：
-
nlargest()内置排序+截断，语义明确，不易误用 - 返回结果默认带两层索引（group key + 原索引），可用
reset_index(drop=True)展平 - 性能上，对大数据量，
nlargest()比全量sort_values稍快（尤其N远小于组大小时） - 不支持链式布尔筛选（如
x[x['status']=='active'].nlargest(...)）需在apply内部处理，注意空组可能报错，建议加if len(x) > 0 else pd.DataFrame()防御
遇到重复值或并列排名怎么办
head() 和 nlargest() 都不处理并列（tie-breaking）。比如3人同为最高分，head(2) 可能随机取其中两个；nlargest(2, 'score') 同样只返回任意2条。
若需稳定结果或保留所有并列项，得换方法：
- 用
rank(method='min')生成组内排名，再筛选排名 ≤ N：df.groupby('team')['score'].rank(method='min', ascending=False) - 若要“取前3名，但并列第3名的全留下”，用
method='dense'或手动比较：df.groupby('team')['score'].transform('nlargest', n=3).isin(df['score'])不推荐，易错；稳妥做法是先算每组第三大的值，再做 >= 判断 - 注意
rank()默认对相同值分配平均秩，method='min'才符合“并列即占位”的业务直觉
head() 不排序、groupby 丢 NaN、nlargest() 返回多级索引，这些细节不验证就写进生产脚本，问题会藏得很深。 
