Pandas：如何对子类别内的前 N ​​个观察结果进行子集（和求和）？

在这样的 pandas 数据框中：

     year      month  passengers
0    1949    January         112
1    1949   February         118
2    1949      March         132
3    1949      April         129
4    1949        May         121
5    1949       June         135
.
.
.
137  1960       June         535
138  1960       July         622
139  1960     August         606
140  1960  September         508
141  1960    October         461
142  1960   November         390
143  1960   December         432

如何对每年乘客最多的 3 个月进行分组（并进行计算）？

可以从seaborn数据集中重现相同的数据帧：

import pandas as pd
import seaborn as sns

df = sns.load_dataset('flights')
df

这是我尝试过的：

根据评论中的建议这个帖子 https://stackoverflow.com/questions/43472125/sort-pandas-dataframe-with-multiindex-according-to-column-value我发现我可以使用数据框的子集nlargest()重新索引数据框后：

df = df.set_index(['year', 'month'])
df2 = df.groupby(level=0)['passengers'].nlargest(3)
df2

output:

year  year  month    
1949  1949  July         148
            August       148
            September    136
1950  1950  July         170
            August       170

但由于某种原因year index是重复的，我仍然需要重新索引，按年份对数据帧进行分组并对结果求和。这已经开始变得混乱了，那么有没有更好的方法呢？

这是一个简单的复制粘贴的全部内容：

import pandas as pd
import seaborn as sns
df = sns.load_dataset('flights')
df = df.set_index(['year', 'month'])
df2 = df.groupby(level=0)['passengers'].nlargest(3)

这是所需输出的形状：

# Sum of top 3 months for each year (no index other than default pandas dataframe index)

    year    sum
0   1949    600 (the sum is made up)
1   1950    600
.
.
.
10  1960    600

感谢您的任何建议！

编辑：系统信息：

Python 3.6.0

熊猫0.19.2

Windows 7的

我认为需要GroupBy.apply http://pandas.pydata.org/pandas-docs/stable/generated/pandas.core.groupby.GroupBy.apply.html, Series.nlargest http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.nlargest.html and sum:

df = sns.load_dataset('flights')
df2 = df.groupby('year')['passengers'].apply(lambda x: x.nlargest(3).sum()).reset_index()
print (df2)
    year  passengers
0   1949         432
1   1950         498
2   1951         582
3   1952         690
4   1953         779
5   1954         859
6   1955        1026
7   1956        1192
8   1957        1354
9   1958        1431
10  1959        1579
11  1960        1763