在Pandas DataFrame的每组中获取最上面的N条记录

要在Pandas DataFrame的每组中获取最上面的N条记录，我们可以使用groupby和head方法的组合。使用groupby方法将数据按照某一列或多列进行分组，然后再使用head方法获取每组的前N条记录。

下面是具体步骤：

1. 使用pandas库读取数据。例如，我们可以使用以下代码读取名为“data.csv”的CSV文件，并将其保存为名为“df”的DataFrame对象：

import pandas as pd
df = pd.read_csv("data.csv")

1. 使用groupby方法将数据按照一列或多列进行分组。例如，我们可以使用以下代码将数据按照“category”列进行分组：

grouped = df.groupby("category")

1. 对于每个组，使用head方法获取前N条记录。例如，我们可以使用以下代码获取每个组的前3条记录：

n = 3
result = grouped.apply(lambda x: x.head(n))

在这个代码中，我们使用apply方法将head方法应用到每个组上，并且将每个组中前3条记录组成一个新的DataFrame对象。

最后，我们可以使用print方法打印出结果：

print(result)

下面是一个完整的示例，假设我们有以下的CSV数据：

id,category,value
1,A,0.5
2,A,0.4
3,A,0.9
4,A,0.7
5,A,0.1
6,A,0.2
7,A,0.8
8,B,0.3
9,B,0.2
10,B,0.1
11,B,0.5
12,B,0.4
13,B,0.6
14,B,0.7

我们可以按照“category”列进行分组，并获取每个组的前3条记录，代码如下：

import pandas as pd

df = pd.read_csv("data.csv")
grouped = df.groupby("category")
n = 3
result = grouped.apply(lambda x: x.head(n))

print(result)

运行结果如下：

          id category  value
category                  
A        1      A    0.5
         2      A    0.4
         3      A    0.9
         4      A    0.7
         5      A    0.1
         6      A    0.2
B        8      B    0.3
         9      B    0.2
         10     B    0.1
         11     B    0.5
         12     B    0.4
         13     B    0.6