Python Pandas 基于列分组并获得最大值，但基于另一列排除

Question

我正在处理一些数据，想提取特定列的最大值，按不同的列分组。但是，我想根据另一列从最大计算中排除某些行。

例子:

df = pd.DataFrame({'Col1':['A','A','A','B','B','B','B'],
                   'Col2':['Build','Plan','Other','Test','Build','Other','Buy'],
                   'Col3':[2,5,17,5,13,12,12]})

我想获得 Col3 的最大值，按 Col1 分组，同时排除 Col2 中具有“其他”的任何行。因此，“A”的 Col3 最大值应该是 5，而不是 17。

我能够使用以下命令获得 Col1 分组的 Col3 的最大值:df['new'] = df.groupby(['Col1'])['Col3'].transform(max) 然而，这将为我提供 17 的 A 值。

通过查看其他线程，我尝试使用:

x = df1.groupby(['Col1'])
x2 = x.apply(lambda g: g[g['Col2'] != 'Other'])

这似乎让我很接近(它有按 Col1 分组的数据，并根据 Col2 删除了行)。但是，我似乎再也找不到一种方法来获得基于 Col1 的 Col3 的最大值。

充其量我已经能够使用:x2['Col3'].max() 在删除 Col2 中所有带有“Other”的行后获得 Col3 的最大值。但是，我无法获得按 Col1 分组的 Col3 的最大值。

我想知道是否有一种方法可以使用内置的 Pandas 函数相对简单地执行此操作，而不是创建一个全新的定制函数？

Answer 1

你可以试试

df[df.Col2 != 'Other'].groupby('Col1').Col3.max()

Col1
A     5
B    13

创建新列:

df['new']=df[df.Col2 != 'Other'].groupby('Col1').Col3.transform('max')
df['new'] = df.new.ffill()

    Col1    Col2    Col3    new
0   A       Build   2       5.0
1   A       Plan    5       5.0
2   A       Other   17      5.0
3   B       Test    5       13.0
4   B       Build   13      13.0
5   B       Other   12      13.0
6   B       Buy     12      13.0

解释:仅选择 df 中 Col2 值不等于“其他”的行，groupby Col1，找到 Col3 的最大值。

Here是转换的文档:它返回一个带有转换值的类似索引 df，而不是聚合。