python - Pandas groupby 类别，评级，从每个类别中获得最高值(value)？

Question

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!

Answer 1

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