python - groupby 语句中是否可以包含不直接参与计算的列？

Question

我正在处理来自 Fivethirtyeight 的最近_毕业生实践数据，并且我正在尝试查看哪个专业(“专业”)在每个专业类别(“Major_category”)中拥有最多的学生数量(“总计”)。

这是一个示例数据框:

Major              Major Category    Total
Petroleum Eng      Engineering       1001
Nuclear Eng        Engineering       4350
Marketing          Business          10035
Accounting         Business          3051

我想要如下的输出:

Major              Major Category    Total
Nuclear Eng        Engineering       4350
Marketing          Business          10035

...仅返回每个专业类别中总计最大的专业。

我使用了一个 groupby 语句，它返回每个专业类别中最大数量的学生，如下所示:

recent_grads.groupby('Major_category')['Total'].agg('max')

正如预期的那样，这将返回每个群体中最大的学生人数。我不知道在上面的代码中插入“Major”变量的位置，这样我的输出不仅告诉我每个专业类别中最大的学生人数是多少，而且还告诉我它属于哪个专业。无论我尝试将“Major”放在哪里，我的代码都会引发错误，但感觉好像我遗漏了一些明显的东西。

Answer 1

尝试sort_values + drop_duplicates

recent_grads.sort_values(['Total']).drop_duplicates('Major_category',keep='last')

或转换

s=recent_grads.groupby(['Major_category'])['Total'].transform('max')
recent_grads[recent_grads.Total==s]

或idxmax

s=recent_grads.groupby(['Major_category'])['Total'].idxmax()
recent_grads.iloc[s]