python - 如何获取 Pandas 表中所有命名类别的最大值

Question

假设我有这样的数据:

  name  time
0    A     1
1    A     2
2    B     3
3    A     6
4    A     7
5    A     3
6    B     1
7    B     4

每个条目都有一个命名类别和一些其他信息。在上面的例子中，让我们花点时间。这是我唯一关心的。

我想生成一个表，其中只有单独的唯一 name 类别和每个类别的最大值。我可以这样做:

max_table = pd.DataFrame(
    {
        "name": data.name.unique(),
        "max_val": [
            data[data["name"] == name].time.max() for name in data.name.unique()
        ],
    }
)

但这感觉不太像 Pandas 。我必须在列表之间往返于 pandas 表并进行一些数组扩展才能完成这项工作。 有没有办法只用 pandas 类型的调用来做到这一点？

包含数据创建的完整示例:

    data = pd.DataFrame(
        {
            "name": pd.Categorical(["A", "A", "B", "A", "A", "A", "B", "B"]),
            "time": [1, 2, 3, 6, 7, 3, 1, 4],
        }
    )
    print(data)
    print("======================")

    max_table = pd.DataFrame(
        {
            "name": data.name.unique(),
            "max_val": [
                data[data["name"] == name].time.max() for name in data.name.unique()
            ],
        }
    )
    print(max_table)

Answer 1

了解Pandas 或Numpy 的第一件事是向量化 操作(如Matlab 处理数据与矩阵/数组)。它可以一次处理多项数据，而不是 for 循环操作。

groupby() 将数据聚类成组，max() 找到每个组的最大值。

output = df.groupby('name').max()
output
###
      time
name      
A        7
B        4

剩下的部分只是重建表(DataFrame)结构。

(如你所见，name低于time，这意味着name被设置为表(DataFrame)的索引, time 是表的列名)

output = output.reset_index().rename(columns={'time':'max_time'})
output
###
  name  max_time
0    A         7
1    B         4