Pandas-Methode, um die Zeile mit dem Maximalwert in der Groupby-Gruppe abzurufen

Das Folgende ist eine Pandas-Methode zum Abrufen der Zeile mit dem Maximalwert in einer Groupby-Gruppe. Sie hat einen guten Referenzwert und ich hoffe, dass sie für alle hilfreich ist. Werfen wir gemeinsam einen Blick darauf

Pandas-Methode zum Abrufen der Zeile mit dem Maximalwert in der Groupby-Gruppe

Zum Beispiel ist der folgende DataFrame gruppiert nach Mt und herausgenommen Die Zeile mit der größten Anzahl

import pandas as pd
df = pd.DataFrame({'Sp':['a','b','c','d','e','f'], 'Mt':['s1', 's1', 's2','s2','s2','s3'], 'Value':[1,2,3,4,5,6], 'Count':[3,2,5,10,10,6]})

df

tr>2 tr>

	Count	Mt	Sp	Value
0	3	s1	a	1
1	2	s1	b	2
2	5	s2	c	3
3	10	s2	d	4
4	10	s2	e	5
5	6	s3	f	6

Count

Mt

Sp

Wert

0

3

s1

a td>

1 td>

1

2

s1

b

2

5

s2

c

3

3

10

s2

d

4

4

10

s2

e

5

5

6

s3

f

6

Methode 1: Filtern Sie die Zeilen mit der größten Anzahl in der Gruppe heraus

df.groupby('Mt').apply(lambda t: t[t.Count==t.Count.max()])

thehead>10s3

		Count	Mt	Sp	Value
Mt
s1	0	3	s1	a	1
s2	3	10	s2	d	4
	4	10	s2	e	5
s3	5	6	s3	f	6

Anzahl

Mt

Sp

Wert

Mt

s1

0

3

s1

a

1

s2

3

s2

d

4

4

10

s2 td>

e

5

s3

5

6

f

6

print df.groupby(['Mt'])['Count'].agg(max)

idx=df.groupby(['Mt'])['Count'].transform(max)
print idx
idx1 = idx == df['Count']
print idx1

df[idx1]

Methode 2: Verwenden Sie die Transformation, um den Index des ursprünglichen Datenrahmens zu erhalten, und filtern Sie dann die erforderlichen Zeilen heraus

Mt
s1 3
s2 10
s3 6
Name: Count, dtype: int64
0 3
1 3
2 10
3 10
4 10
5 6
dtype: int64
0 True
1 False
2 False
3 True
4 True
5 True
dtype: bool

	Count	Mt	Sp	Value
0	3	s1	a	1
3	10	s2	d	4
4	10	s2	e	5
5	6	s3	f	6

s2

	Anzahl	Mt	Sp	Wert
0	3	s1	a	1
3	10 td>	s2	d	4
4	10	e	5
5 th>	6	s3	f	6

A Das Problem bei den oben genannten Methoden besteht darin, dass die Werte in den Zeilen 3 und 4 alle den Maximalwert darstellen und daher mehrere Zeilen zurückgegeben werden. Was passiert, wenn nur eine Zeile zurückgegeben wird?

idx = df.groupby('Mt')['Count'].idxmax()
print idx

Methode 3: idmax (die alte Version von Pandas ist argmax)

df.iloc[idx]
Mt
s1 0
s2 3
s3 5
Name: Count, dtype: int64

	Count	Mt	Sp	Value
0	3	s1	a	1
3	10	s2	d	4
5	6	s3	f	6

df.iloc[df.groupby(['Mt']).apply(lambda x: x['Count'].idxmax())]

	Anzahl	Mt	Sp	Wert
0	3	s1	a	1
3	10	s2	d	4
5	6	s3	f	6

	Count	Mt	Sp	Value
0	3	s1	a	1
3	10	s2	d	4
5	6	s3	f	6

def using_apply(df):
 return (df.groupby('Mt').apply(lambda subf: subf['Value'][subf['Count'].idxmax()]))

def using_idxmax_loc(df):
 idx = df.groupby('Mt')['Count'].idxmax()
 return df.loc[idx, ['Mt', 'Value']]

print using_apply(df)

using_idxmax_loc(df)

	Anzahl	Mt	Sp	Wert
0	3	s1	a	1
3	10	s2	d	4
5	6	s3	f	6

Mt
s1 1
s2 4
s3 6
dtype: int64

	Mt	Value
0	s1	1
3	s2	4
5	s3	6

4

	Mt	Value
0	s1	1
3	s2
5	s3	6

df.sort('Count', ascending=False).groupby('Mt', as_index=False).first()

Methode 4: Zuerst sortieren, dann das erste aus jeder Gruppe nehmen

	Mt	Count	Sp	Value
0	s1	3	a	1
1	s2	10	d	4
2	s3	6	f	6

Anzahl

	Mt	Sp	Wert
0	s1	3	a	1
1	s2	10	d	4
2	s3	6	f	6

Dann tritt das Problem erneut auf, wenn Sie es nicht entfernen möchten die Zeile mit dem Maximalwert. Was ist beispielsweise mit der Zeile, in der sich der Mittelwert befindet?

Die Idee ist immer noch ähnlich, es sind jedoch möglicherweise einige Änderungen an der spezifischen Schreibmethode erforderlich. Beispielsweise müssen Methoden 1 und 2 den Max-Algorithmus ändern und Methode 3 muss eine Methode implementieren, um den Index zurückzugeben. Wie auch immer, nach Groupby ist jede Gruppe ein Datenrahmen.

Verwandte Empfehlungen:

pandas+dataframe implementiert Zeilen- und Spaltenauswahl- und Slicing-Vorgänge

Erste Schritte mit der Python-Datenverarbeitung Bibliothekspandas

Das obige ist der detaillierte Inhalt vonPandas-Methode, um die Zeile mit dem Maximalwert in der Groupby-Gruppe abzurufen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!