python - groupby 两列中的公共(public)值

Question

我需要从两列中具有公共(public)值的行对中提取公共(public)最大值。

共同点是 A 列和 B 列中的值。第 0 行和第 1 行是共同的，第 2 行和第 3 行是共同的，第 4 行是独立的。

f = DataFrame([[1, 2, 30], [2, 1, 20], [2, 6, 15], [6, 2, 70], [7, 10, 35]], columns=['A', 'B', 'Value'])
f
   A   B  Value
0  1   2     30
1  2   1     20
2  2   6     15
3  6   2     70
4  7  10     35

目标是提取最大值，所以最终结果是:

f_final = DataFrame([[1, 2, 30, 30], [2, 1, 20, 30], [2, 6, 15, 70], [6, 2, 70, 70], [7, 10, 35, 35]], columns=['A', 'B', 'Value', 'Max'])
f_final

   A   B  Value  Max
0  1   2     30   30
1  2   1     20   30
2  2   6     15   70
3  6   2     70   70
4  7  10     35   35

如果有办法分配一个通用的、非重复的 key ，我可以这样做:

f_key = DataFrame([[1, 1, 2, 30], [1, 2, 1, 20], [2, 2, 6, 15], [2, 6, 2, 70], [3, 7, 10, 35]], columns=['key', 'A', 'B', 'Value'])
f_key

   key  A   B  Value
0    1  1   2     30
1    1  2   1     20
2    2  2   6     15
3    2  6   2     70
4    3  7  10     35

跟进 groupby 和转换:

f_key['Max'] = f_key.groupby(['key'])['Value'].transform(lambda x: x.max())
f_key.drop('key', 1, inplace=True)
f_key

   A   B  Value  Max
0  1   2     30   30
1  2   1     20   30
2  2   6     15   70
3  6   2     70   70
4  7  10     35   35

问题一:如何分配这个公共(public) key ？

问题二:有没有更好的方法，跳过常见的关键步骤

干杯...

Answer 1

您可以对 A 和 B 列中的值进行排序，以便对于每一行，A 中的值小于或等于B 中的值。一旦对值进行排序，您就可以像往常一样应用 groupby-transform-max:

import pandas as pd
df = pd.DataFrame([[1, 2, 30], [2, 1, 20], [2, 6, 15], [6, 2, 70], [7, 10, 35]],
                  columns=['A', 'B', 'Value'])
mask = df['A'] > df['B']
df.loc[mask, ['A','B']] = df.loc[mask, ['B','A']].values
df['Max'] = df.groupby(['A', 'B'])['Value'].transform('max')

print(df)

产量

   A   B  Value  Max
0  1   2     30   30
1  1   2     20   30
2  2   6     15   70
3  2   6     70   70
4  7  10     35   35

---

即使 A 和 B 中的值是字符串，上述方法仍然有效。例如，

df = DataFrame([['ab', 'ac', 30], ['ac', 'ab', 20],
                 ['cb', 'ca', 15], ['ca', 'cb', 70],
                 ['ff', 'zz', 35]], columns=['A', 'B', 'Value'])

mask = df['A'] > df['B']
df.loc[mask, ['A','B']] = df.loc[mask, ['B','A']].values
df['Max'] = df.groupby(['A', 'B'])['Value'].transform('max')

产量

In [267]: df
Out[267]: 
    A   B  Value  Max
0  ab  ac     30   30
1  ab  ac     20   30
2  ca  cb     15   70
3  ca  cb     70   70
4  ff  zz     35   35