Summary  
This chapter explains how to select the top N rows of a tabular dataset based on one or multiple columns and how to control which duplicate entries are kept, using the Pandas `.nlargest()` method.

General domain of usage  
Automotive data analysis (e.g., finding the most expensive or newest cars)

Learn how to use the `.nlargest()` method in pandas to find the largest values in a DataFrame column. This video will walk you through practical examples, such as retrieving the top 10 newest cars sorted by both year and engine volume, and show you how to select the top 100 most expensive cars sorted by price and year. You will also see how to control duplicate handling with the `keep` argument. By the end, you will know how to use `.nlargest()` to quickly extract the highest values from your data for deeper analysis.

Edellisessä luvussa opit, kuinka pienimmät arvot voidaan tulostaa; sama onnistuu myös suurimpien arvojen kohdalla. Tätä varten käytetään hyvin samanlaista metodia ja samaa argumenttia kuin aiemmin: `.nlargest()`. Katso esimerkki, jossa tulostetaan 10 uusinta autoa, lajiteltuna myös `'Engine_volume'`-sarakkeen mukaan – kaikki duplikaatit mukaan lukien:

```python
data.nlargest(10, ['Year', 'Engine_volume'], keep = 'all')
```

Valitse OIKEA tapa hakea 100 kalleinta autoa, lajiteltuna ensin `'Price'`- ja sitten `'Year'`-sarakkeen mukaan, palauttaen täsmälleen 100 riviä.

Tämä kurssi sisältää runsaasti hyödyllisiä toimintoja tulevalle data-analyytikolle. Opit erilaisia tapoja tietojen poimimiseen ja voit jopa asettaa niille ehtoja. Tämän jälkeen tulet tutuksi tietojen ryhmittelymenetelmien kanssa. Lisäksi opit, kuinka esikäsitellä tietoja. Jokaisessa osiossa on oma tietoaineistonsa, joten kurssi on mukaansatempaava.

Tässä osiossa opit, kuinka voit tulostaa tiettyjä sarakkeita niiden nimien tai indeksien perusteella. Lisäksi tutustut tapoihin, joilla voit valita rivejä indeksien avulla.

Tässä opit, kuinka voit poimia dataa, jolla on tietyt ehdot. Opit myös, kuinka yhdistää näitä ehtoja ja jopa luoda omia ehtoja.

Tässä osiossa laajennat tietämystäsi erilaisten datan ehtojen asettamisesta. Opit tarkistamaan, onko datasi määritellyssä arvolistassa tai kahden arvon välillä. Opit myös löytämään suurimmat ja pienimmät arvot.

Tämä osio on yksi kurssin kiehtovimmista. Tässä opit ryhmittelemään dataa eri tavoilla. Tämä auttaa sinua työskentelemään data-analyytikkona ja löytämään tietoa tietyistä dataryhmistä.

Tämä osio on yksi tärkeimmistä data-analyytikolle, koska jos data sisältää puuttuvia arvoja tai on väärässä muodossa, sen kanssa työskentely on mahdotonta. Tässä opit käsittelemään tällaisia sopimattomia arvoja.

Sarakkeen Suurimpien Arvojen Löytäminen