python - 如何比较一列的两行，然后更改 pandas 中的另一列

Question

这个问题已经有答案了:

Get the row(s) which have the max value in groups using groupby (15 个回答)

已关闭 5 年前。

我希望能够查看具有相同标识号的两行，然后比较每个人的 child 数量，并为两个人分配较大的数字。我正在考虑按 (.groupby) ID 号进行分组，但我不知道从哪里开始。具体来说，我不确定如何检查哪个 numchild 更大，同时用较大的数字替换较小的数字。例如:

 Index   ID             NumChil  
 0       2011000070          3   
 1       2011000070          0   
 2       2011000074          0 
 3       2011000074          1   

应该变成:

 Index   ID             NumChil  
 0       2011000070          3   
 1       2011000070          3   
 2       2011000074          1 
 3       2011000074          1  

Answer 1

首选选项
您希望将 groupby 与 transform 和 max

结合使用

df.groupby('ID').NumChil.transform('max')

0    3
1    3
2    1
3    1
Name: NumChil, dtype: int64

<小时/>

您可以使用以下方式分配回原处

df['NumChil'] = df.groupby('ID').NumChil.transform('max')
df

   Index          ID  NumChil
0      0  2011000070        3
1      1  2011000070        3
2      2  2011000074        1
3      3  2011000074        1

或者使用以下命令生成副本

df.assign(NumChil=df.groupby('ID').NumChil.transform('max'))

   Index          ID  NumChil
0      0  2011000070        3
1      1  2011000070        3
2      2  2011000074        1
3      3  2011000074        1

<小时/>

替代方法

groupby 与 max 和 map

df.ID.map(df.groupby('ID').NumChil.max())

0    3
1    3
2    1
3    1
Name: ID, dtype: int64

<小时/>

df.assign(NumChil=df.ID.map(df.groupby('ID').NumChil.max()))

   Index          ID  NumChil
0      0  2011000070        3
1      1  2011000070        3
2      2  2011000074        1
3      3  2011000074        1

groupby 与 max 和 join

df.drop('NumChil', 1).join(df.groupby('ID').NumChil.max(), on='ID')

   Index          ID  NumChil
0      0  2011000070        3
1      1  2011000070        3
2      2  2011000074        1
3      3  2011000074        1