「總銷售額最高的 3 個品類」拆成三個動作：分組（groupby('category')）、加總（['sales'].sum()）、排名取前三（nlargest(3, 'sales')）——缺一不可。本站把四個選項全部真的跑一遍：A 拿到的是類別名排序的前三個（head 不排名）、B 拿到全場最小的三筆單（升冪＋單筆雙重錯）、C 的 tail(3) 撈到墊底兩名——只有 D 抓出真正的前三：手機 110000、筆電 105000、平板 60000。加映：平均王是筆電、單筆冠軍是手錶——問題問什麼，就得聚什麼、排什麼。
orders 有 category 與 sales 欄位。若要取得「總銷售額最高的 3 個品類」，下列 pandas 程式何者正確？
# orders 每列是一筆訂單明細 # 欄位：category, sales # A. orders.groupby('category')['sales'].mean().head(3) # 平均？head？ # B. orders.sort_values('sales').head(3)[['category', 'sales']] # 沒分組？升冪？ # C. orders.groupby('category', as_index=False)['sales'].sum().tail(3) # 加總對了，tail？ # D. orders.groupby('category', as_index=False)['sales'].sum().nlargest(3, 'sales') # 分組、加總、取前三大
全校 23 張考卷、6 個班，要頒「總分最高的三個班」。正確流程：先把考卷按班分堆（groupby）、每堆加總（sum）、最後按總分排名取前三（nlargest）——三步缺一不可。
四個選項就是四種頒獎方式：D 照規矩來；A 算了「平均分」還照班級名冊順序抄前三個班（head 不是排名，是「名冊上最前面的」）；B 根本沒分班，直接找出全校分數最低的三張考卷（sort_values 預設升冪、head 取頭）；C 加總做對了，卻照名冊抄最後三個班——tail 也不是排名。head 與 tail 拿的是「位置」，nlargest 拿的才是「名次」。
sum()——mean 是平均、每筆明細是單筆，都不是總額。② groupby 完的結果按類別名排序（實跑鍵序：平板、手機、手錶、筆電、耳機、配件）——所以 head(3)/tail(3) 拿到的是「名冊位置」，跟銷售額無關。③ nlargest(3, 'sales') ＝ 按 sales 排名取前三大——與 sort_values('sales', ascending=False).head(3) 等價（實跑逐列相同）。點擊後出現漸進式說明：白話說明 → 說清楚一點 → 常見錯誤與考點。
點擊後出現漸進式說明。
把 D 拆成三段讀——分組、加總、排名。右上角的「看位置」可以把這一段放回完整程式裡看。
orders.groupby('category', as_index=False) # 按品類分堆；結果把 category 當一般欄
groupby('category') 把 23 筆訂單按品類分成六堆（實跑：手機 4 筆、筆電 3、平板 3、耳機 5、手錶 2、配件 6）。as_index=False 是個小開關：加總後的結果把 category 當一般欄位（DataFrame），而不是索引——這決定了待會 nlargest 要怎麼寫（05 節顯微鏡伺候）。
['sales'].sum() # 只挑 sales 欄、每堆全部相加——六堆變六個總額
['sales'] 指定只聚合這一欄；sum() 把每堆加總。實跑六個總額：手機 110000、筆電 105000、平板 60000、手錶 53000、耳機 16000、配件 1800。題目問「總銷售額」——sum 是唯一對的動詞：mean 算的是「平均每筆」（平均王是筆電 35000，跟總額王手機是兩張榜）、不聚合的單筆明細更不是總額。
.nlargest(3, 'sales') # 按 sales 由大到小取 3 列——「最高」在這裡實現
nlargest(3, 'sales') ＝ 按 sales 欄排名取前三大。實跑結果：手機 110000、筆電 105000、平板 60000——與 sort_values('sales', ascending=False).head(3) 逐列相同（實跑 equals True）。關鍵區別：head/tail 拿「位置」（表的前幾列、後幾列），nlargest 拿「名次」——而 groupby 完的表是按類別名排的（鍵序：平板、手機、手錶、筆電、耳機、配件），位置與銷售額毫無關係——A 與 C 就是死在這裡。
本站實跑資料：6 品類、23 筆明細。同一批訂單，用三種聚合各排一張榜——先看清楚「哪張榜才是題目要的」：
選擇題最狠的驗證法：四段程式全部執行，把各自回傳的表擺出來對質：
「取前三大」有好幾種寫法、也有好幾種假貨。三件展品（全部實跑）：
orders.nlargest(3, 'sales') 拿到的是三筆最大的訂單：手錶 48000、筆電 42000、筆電 35000——手錶靠一張 48000 的大單當單筆冠軍，品類總額 53000 卻只排第四；筆電還重複出現兩次。「品類的前三」與「訂單的前三」是兩個問題——先分組聚合，排名才有正確的單位。C 與 D 都寫了 as_index=False——它不是裝飾，它決定 nlargest 的寫法：
groupby('category')['sales'].sum() 回 Series——category 是索引、只有一欄數字，取前三寫 nlargest(3)（不用欄名）；as_index=False 回 DataFrame——columns ＝ ['category', 'sales']，取前三要指名 nlargest(3, 'sales')。兩條路實跑同一個答案（手機／筆電／平板）——認得兩種簽名，考題換皮就不慌；D 的寫法（False ＋ 欄名）自我一致，正確。這型題目考的是「中文題幹 → pandas 動詞」的翻譯。掃描表一次備齊：
| 題幹關鍵字 | 翻譯成 pandas | 選錯的下場（本題實跑） |
|---|---|---|
| 「總」銷售額 | sum() | 用 mean → 平均榜（王是筆電，不是手機） |
| 「品類」 | groupby('category') | 不分組 → 單位變「訂單」（B、單筆陷阱） |
| 「最高的 3 個」 | nlargest(3, ...) 或降冪排序＋head(3) | head/tail 直接上 → 拿到鍵序位置（A、C） |
-- 同一件事的 SQL 寫法 SELECT category, SUM(sales) AS total # 分組加總 FROM orders # 訂單明細表 GROUP BY category # 「品類」 ORDER BY total DESC # 「最高」＝降冪 LIMIT 3 # 「3 個」
第一層：mean 是平均不是總額——平均榜的王是筆電 35000（單價高筆數少），總額榜的王是手機——兩張榜前三名不同。第二層更致命：head(3) 不排名——groupby 完的結果按類別名排（鍵序：平板、手機、手錶…），實跑 A 回傳 [平板、手機、手錶]——「名冊前三個」，跟高低完全無關。
沒有 groupby——單位還是「訂單」不是「品類」；sort_values 預設升冪——head(3) 取的是最小的頭。實跑回傳：[配件 250、配件 280、配件 300]——「總銷售額最高的 3 個品類」變成「全場最便宜的三筆單」，方向與單位雙殺。就算加了 ascending=False 也只是「最大三筆單」（手錶 48000…），依然不是品類總額。
前半段完全正確（分組＋加總＋as_index=False）——它是最像正解的錯誤。敗在最後一步：tail(3) 拿「表的最後三列」，而這張表按類別名排——實跑回傳 [筆電 105000、耳機 16000、配件 1800]：混進了全場墊底兩名。tail 跟「最高」之間，隔著一次排序的距離。
三個動作對三個關鍵字：「品類」＝ groupby('category')、「總」＝ sum()、「最高的 3 個」＝ nlargest(3, 'sales')。實跑答案：手機 110000、筆電 105000、平板 60000——與降冪排序＋head(3) 逐列相同（equals True）、與 Series 版 nlargest(3) 同值。總額用 sum、排名用 nlargest——一句話收工。
再看一次四個選項。這次你手上有掃描表了：「總」→ sum、「品類」→ groupby、「最高的 3 個」→ nlargest——head 與 tail 都只是位置。
orders.groupby('category', as_index=False)['sales'].sum().nlargest(3, 'sales') # 分組 → 加總 → 排名
八題，全部都是本題的延伸。答錯會直接告訴你錯在哪。
groupby('category')、「總」＝ sum()、「最高的 3 個」＝ nlargest(3, 'sales')——正解 D 一條鏈做完。sort_values('sales', ascending=False).head(3) 逐列相同（equals True）。orders.nlargest(3,'sales')（沒 groupby）＝ [手錶 48000、筆電 42000、筆電 35000]——手錶單筆冠軍、品類總額只排第四；先聚合，排名才有正確單位。nlargest(3) 不用欄名）；False 回 DataFrame（nlargest(3, 'sales') 指名欄）——兩條路同答案，簽名不同。nlargest(3,'sales') ≡ 降冪排序＋head(3) ≡ Series 版 .sum().nlargest(3)——認得全家，換皮不慌。「分組聚合＋排名取前 N」是中級科目二大數據處理分析與應用的高頻考點，SQL 的 GROUP BY 排行榜題換 pandas 皮。最常見的六種問法：① 給四段程式選「總額最高前 N」（本題——掃關鍵字：總→sum、品類→groupby、最高→nlargest）；② 考 head 與 nlargest 的差別（位置 vs 名次——groupby 完按鍵排序）；③ 考 sort_values 的預設方向（升冪——取最大要 ascending=False 或 nlargest）；④ 考 mean 與 sum 的榜差（平均王 ≠ 總額王）；⑤ 考不分組直接排名的單位錯置（單筆前三 ≠ 品類前三）；⑥ 考 as_index 與 nlargest 簽名（Series 不用欄名、DataFrame 要指名）。一句口訣：總額用 sum、排名用 nlargest——head 是位置，不是名次。
因為 head 只回傳「表的前三列」——它完全不看數值。而 groupby 聚合完的表有自己的順序：按分組鍵排序（實跑鍵序：平板、手機、手錶、筆電、耳機、配件——中文按字元編碼排）。所以 A 的 mean().head(3) 拿到 [平板、手機、手錶]、C 的 sum().tail(3) 拿到 [筆電、耳機、配件]——都是「名冊位置」不是「成績名次」。head 唯一合法的取前 N 用法：先排序再 head——sort_values('sales', ascending=False).head(3)，實跑與 nlargest 逐列相同。記法：head 是位置、nlargest 是名次；沒排序的 head 是抽籤。
預設升冪（ascending=True）——由小到大。所以 B 的 sort_values('sales').head(3) 取的是「最小的頭」：實跑回傳 [配件 250、配件 280、配件 300]。B 總共錯三層：①方向——升冪的 head 是最小；②單位——沒有 groupby，每列還是「一筆訂單」，不是「一個品類」；③語意——就算改成降冪也只是「最大三筆單」（手錶 48000、筆電 42000、筆電 35000——筆電重複出現），依然回答不了「品類總額」的問題。考場動作：看到 sort_values 沒寫 ascending=False，先想「它在找小的」。
本站實跑就是活例：總額榜前三＝手機 110000、筆電 105000、平板 60000；平均榜前三＝筆電 35000、手機 27500、手錶 26500——兩張榜的王不同、前三名也不同。機制：mean ＝ sum ÷ 筆數——筆數就是槓桿。手機靠 4 筆中價單「積少成多」拿總額王；筆電單價高但只有 3 筆，平均王、總額第二；配件 6 筆全場最多、總額卻墊底 1800。所以聚合動詞不是文字遊戲：「總銷售額」只認 sum；題目若問「平均客單價最高」才輪到 mean——先圈題幹的量詞，再選動詞。
「最大的三筆訂單」——單位是訂單、不是品類。實跑：[手錶 48000、筆電 42000、筆電 35000]——手錶靠一張 48000 的巨單當單筆冠軍，但它的品類總額 53000 只排第四；筆電在榜上重複出現兩次（同品類的兩筆單）。這就是單位錯置：問題問「品類」層級、你在「訂單」層級排名——數字都是真的、答案整個是錯的。防呆流程：先問「排名的單位是什麼」→ 單位不是原始列，就先 groupby 聚合到那個單位，再排名。
差在回傳的容器。預設 True：groupby('category')['sales'].sum() 回 Series——category 變成索引、值只有一欄，取前三寫 nlargest(3)（Series 只有一欄，不用指名）。as_index=False：回 DataFrame——category 是一般欄位（實跑 columns ＝ ['category', 'sales']），nlargest 要指定按哪欄排：nlargest(3, 'sales')。兩條路實跑同答案。什麼時候偏好 False？後續要把 category 當欄位用時（畫圖 hue、再 merge、輸出報表）——不用再 reset_index。考點：題目寫了 as_index=False 又寫 nlargest(3, 'sales')——簽名自我一致，這是 D 正確的完整性檢查。
實跑驗證過的三條路：① 題目的 D：groupby('category', as_index=False)['sales'].sum().nlargest(3, 'sales')；② 降冪排序版：...sum().sort_values('sales', ascending=False).head(3)——與 ① 逐列相同（equals True）；③ Series 版：groupby('category')['sales'].sum().nlargest(3)——同值。延伸親戚：取最小 N 用 nsmallest；多欄聚合用 agg(total=('sales','sum'), avg=('sales','mean')) 一次算兩張榜；要每組內的前 N 筆（另一種考法）則是 groupby().head(N) 或 sort_values().groupby().head(N)——注意那是「每組取 N 筆明細」，跟本題「取 N 個組」不同題。
SQL 對照逐句翻譯：GROUP BY category（品類）＋ SUM(sales)（總）＋ ORDER BY SUM(sales) DESC LIMIT 3（最高的 3 個）——nlargest 就是 ORDER BY DESC + LIMIT 的縮寫。系列串接：科目二資料整形三部曲在此集齊——第 17 頁篩選與合併（留下誰）→ 第 16 頁 melt 整形與分組圖（長什麼樣）→ 本頁聚合排名（誰第一）；第 16 頁 barplot 的 estimator=sum 就是本頁 groupby sum 的圖形版。手法上，「head 長得像排名但不是」與第 13 頁「0.2857 長得像 recall 但是 precision」同款考點：長得像答案的東西最危險——動詞與分母，永遠先驗明正身。