python - 在两列上使用 groupby() 时获取每组的最大值 ~Python

Question

使用类似格式的 csv(csv 总数约为 500 x 600,000)，因此缺少列:

       Sales  market_id  product_id

0         38   10001516     1132679
1         49   10001516     1138767
2          6   10001516     1132679
     ...        ...         ...
9969  245732    1002123     1383020
9970  247093    1006821     1383020

等并像这样阅读它:df0=pd.read_csv('all_final_decomps2_small.csv', low_memory=False, encoding='iso8859_15')

我正在尝试为每个 market_id 查找具有最大销售额的 product_id。为此，我需要对销售额求和，因为相同的 product_id 和 market_id 可以出现在多行中。

我试过这个，它产生每个市场内的产品总和:

df_sales=df0[['Sales','market_id','product_id']] 
df_sales.groupby(['market_id', 'product_id'])['Sales'].sum()

如此(缩短):

market_id  product_id
1006174    1132679             2789
           1382460             4586
           1382691               49
           1383020        269138089
1006638    1132679          5143156
           1382460           387250
           1383020        204456809
10002899   1132679              630
           1382464              220

使用:

df_sales.groupby(['market_id', 'product_id'])['Sales'].sum().max()

返回总和的最大值，没有别的，所以在这个例子中它会返回 269138089。我想返回这样的东西:

market_id  product_id      max_sales
1006174    1383020        269138089
1006638    1383020        204456809
10002899   1132679              630

我已经尝试了很多不同的东西，但我似乎无法为这个例子做任何事情，所以我很感激任何帮助(如果之前有人问过我，我很抱歉)。

我正在使用:Python 3.6.1::Anaconda 4.4.0(64 位)

Answer 1

在 groupby 中使用 idxmax

设置

import pandas as pd
from io import StringIO

txt = """market_id  product_id         Sales
1006174    1132679             2789
1006174    1382460             4586
1006174    1382691               49
1006174    1383020        269138089
1006638    1132679          5143156
1006638    1382460           387250
1006638    1383020        204456809
10002899   1132679              630
10002899   1382464              220"""


sales = pd.read_csv(StringIO(txt), delim_whitespace=True, index_col=[0, 1], squeeze=True)

解决方案

sales.loc[sales.groupby(level=0).idxmax()]

market_id  product_id
1006174    1383020       269138089
1006638    1383020       204456809
10002899   1132679             630
Name: Sales, dtype: int64

或者

sales.loc[sales.groupby(level=0).idxmax()].reset_index(name='max_sales')

   market_id  product_id  max_sales
0    1006174     1383020  269138089
1    1006638     1383020  204456809
2   10002899     1132679        630