原始資料如下：

（圖是從 excel 截的，最左1行不是資料，是 excel 自帶的行號，為了方便說明截進來的）

除去首行是標題外，有效資料為 28行 x 4列

目前的需求是根據 partition 分組，然後取每組的前 2 行，如果不考慮排序，程式碼如下：
（把head()裡面的數字改成 n 就可以取 n 行）

import pandas as pd

esp_df = pd.read_excel('excel檔案路徑', sheet_name='Sheet名')
esp_df.groupby(['partition', 'create_time', 'last_modified_time']).mean().reset_index(drop=False).groupby('partition').head(2)
 

結果如下：

分別說明如下：

• groupby：分組，這裡是根據資料中的 3 列來一起分組，因為我們並不需要做聚合運算，所以這麼取可以保留原始資料不變。原始資料只有 4 列，這裡 groupby 了 3 列，只剩下 size（其實把 size 放進去一起 groupby 也沒問題）
• mean：求平均值，但是在這裡沒用，因為上一步的 groupby 取了前面的 3 列，在本例中，前 3 列並在一起就能得到一個唯一的一行，所以這裡其實也只是每一行資料自己求平均數，結果等於它本身。同理，這裡替代成求和函式sum()也是一樣的。但是不能省略，因為**省略後它就是一個DataFrameGroupBy型別的變數，不是DataFrame
  ，而DataFrameGroupBy是沒有後面的reset_index方法的
• reset_index：重置索引，groupby 之後，結果集的索引就變成了 groupby 裡面的 key，這個reset_index把這個索引重新退回為資料。
  舉例說明，在應用reset_index之前，即使用mean()之後的資料是這樣的：
  

可以看到左邊的 3 列，也就是 groupby key 的 partition、create_time、last_modified_time 是加粗了的，說明此時這 3 列都是索引；而且 partition 因為有相同的行，還被合併了。顯然這不是我們想要的。reset_index 把它們重新放回到資料列裡

引數中的drop

• groupby：再次根據 partition 分組
• head: 取每個分組的前 n 行

如果要排序

本例中，如果要先根據 partition 分組，然後再根據 size 倒序（從大到小）再取前 2 行，則程式碼如下：

esp_df.groupby(['partition']).apply(lambda x: x.sort_values(["size"], ascending = False)).reset_index(drop=True).groupby('partition').head(2)

結果如下：

摘抄至https://www.cnblogs.com/wuzhiblog/p/pandas_get_first_n_rows_for_each_group.html