- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
关于 SO 的第一个问题,对 pandas 来说非常新,而且在术语上仍然有点不稳定:我试图找出数据帧上正确的语法/操作顺序,以便能够按 B 列分组,找到最大值(或最小)C 列中每个组的对应值,并检索 A 列中该组的对应值。
假设这是我的数据框:
name type votes
bob dog 10
pete cat 8
fluffy dog 5
max cat 9
使用 df.groupby('type').votes.agg('max')
返回:
dog 10
cat 9
到目前为止,还不错。但是,我想弄清楚如何返回:
dog 10 bob
cat 9 max
我已经得到了 df.groupby(['type', 'votes']).name.agg('max')
,尽管它返回了
dog 5 fluffy
10 bob
cat 8 pete
9 max
...这对于这个伪装的数据框来说很好,但在处理更大的数据框时并没有多大帮助。
非常感谢!
最佳答案
如果 df
有一个没有重复值的索引,那么你可以使用 idxmax
返回每个组的最大行的索引。然后使用 df.loc
选择整行:
In [322]: df.loc[df.groupby('type').votes.agg('idxmax')]
Out[322]:
name type votes
3 max cat 9
0 bob dog 10
如果 df.index
有重复值,即不是唯一索引,则首先使索引唯一:
df = df.reset_index()
然后使用idxmax
:
result = df.loc[df.groupby('type').votes.agg('idxmax')]
如果你真的需要,你可以将df
恢复到原来的状态:
df = df.set_index(['index'], drop=True)
但总的来说,使用唯一索引会好很多。
这是一个示例,显示当 df
没有唯一性时出现的问题指数。假设 index
是 AABB
:
import pandas as pd
df = pd.DataFrame({'name': ['bob', 'pete', 'fluffy', 'max'],
'type': ['dog', 'cat', 'dog', 'cat'],
'votes': [10, 8, 5, 9]},
index=list('AABB'))
print(df)
# name type votes
# A bob dog 10
# A pete cat 8
# B fluffy dog 5
# B max cat 9
idxmax
返回索引值 A
和 B
:
print(df.groupby('type').votes.agg('idxmax'))
type
cat B
dog A
Name: votes, dtype: object
但是A
和B
并没有唯一指定所需的行。 df.loc[...]
返回索引值为 A
或 B
的所有行:
print(df.loc[df.groupby('type').votes.agg('idxmax')])
# name type votes
# B fluffy dog 5
# B max cat 9
# A bob dog 10
# A pete cat 8
相反,如果我们重置索引:
df = df.reset_index()
# index name type votes
# 0 A bob dog 10
# 1 A pete cat 8
# 2 B fluffy dog 5
# 3 B max cat 9
然后 df.loc
可用于选择所需的行:
print(df.groupby('type').votes.agg('idxmax'))
# type
# cat 3
# dog 0
# Name: votes, dtype: int64
print(df.loc[df.groupby('type').votes.agg('idxmax')])
# index name type votes
# 3 B max cat 9
# 0 A bob dog 10
关于python - Pandas groupby 类别,评级,从每个类别中获得最高值(value)?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/30880511/
给定输入: [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] 将数字按奇数或偶数分组,然后按小于或大于 5 分组。 预期输出: [[1, 3, 5], [2, 4], [6, 8, 10
编辑: @coldspeed、@wen-ben、@ALollz 指出了我在字符串 np.nan 中犯的新手错误。答案很好,所以我不删除这个问题来保留那些答案。 原文: 我读过这个问题/答案 What'
我试图概括我提出的问题 here . mlb 数据框看起来像 Player Position Salary Year 0 Mike Wit
我认为我不需要共享整个数据框,但基本上,这是有问题的代码行(当然,已经导入了 pandas) divstack = df[df['Competitor']=='Emma Slabach'].group
我面临下一个问题:我有组(按 ID),对于所有这些组,我需要应用以下代码:如果组内位置之间的距离在 3 米以内,则需要将它们添加在一起,因此将创建一个新组(代码如何创建我在下面显示的组)。现在,我想要
我有以下数据: ,dateTime,magnitude,occurrence,dateTime_s 1,2017-11-20 08:00:09.052260,12861,1,2017-11-20 08
我按感兴趣的列对 df 进行分组: grouped = df.groupby('columnA') 现在我只想保留至少有 5 名成员的组: grouped.filter(lambda x: len(x
数据是一个时间序列,许多成员 ID 与许多类别相关联: data_df = pd.DataFrame({'Date': ['2018-09-14 00:00:22',
选择 u.UM_TOKEN_NO 、u.UM_FULLNAME、u.SECTOR、u.department_name、t.TS_PROJECT_CODE、sum(t.TS_TOTAL_HRS) 来自
我有这两个表: +---------------+-------------+---------------------+----------+---------+ | items_ordered |
我正在使用 groupby 和 sum 快速汇总两个数据集 一个包含: sequence shares 1 100 2 200 3 50 1 2
这个问题在这里已经有了答案: list around groupby results in empty groups (3 个答案) itertools groupby object not out
我有一组行,我想按标识符的值进行分组 - 存在于每一行中 - 然后对将作为结果的组进行进一步的隔离处理。 我的数据框是这样的: In [50]: df Out[50]: groupkey b
假设您要在全局范围内销售产品,并且希望在某个主要城市的某个地方设立销售办事处。您的决定将完全基于销售数字。 这将是您的(简化的)销售数据: df={ 'Product':'Chair', 'Count
我有一个将数据分组两次的查询: var query = (from a in Context.SetA() from b in Context.SetB().Where(x => x.aId == a
我有一个这种格式的数据框: value identifier 2007-01-01 0.087085 55 2007-01-01 0.703249
这个问题在这里已经有了答案: python groupby behaviour? (3 个答案) 关闭 4 年前。 我有一个这样的列表 [u'201003', u'200403', u'200803
在 Python 中,我可以使用 itertools.groupby 将具有相同键的连续元素分组。 : >>> items = [(1, 2), (1, 5), (1, 3), (2, 9), (3,
无法翻译以下 GroupBy 查询并将引发错误:不支持客户端 GroupBy IEnumerable ids = new List { 1, 2, 3 }; var q = db.Comments.W
考虑一个 Spark DataFrame,其中只有很少的列。目标是对其执行 groupBy 操作,而不将其转换为 Pandas DataFrame。等效的 Pandas groupBy 代码如下所示:
我是一名优秀的程序员,十分优秀!