Python培训

pandas获取groupby分组里最大值所在的行方法

如下面这个DataFrame,按照Mt分组，取出Count最大的那行

　　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

 CountMtSpValue

03s1a1

12s1b2

25s2c3

310s2d4

410s2e5

56s3f6

方法1：在分组中过滤出Count最大的行

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

  CountMtSpValue

Mt     

s103s1a1

s2310s2d4

410s2e5

s356s3f6

方法2：用transform获取原dataframe的index，然后过滤出需要的行

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

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

print idx

idx1 = idx == df['Count']

print idx1

df[idx1]

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

 CountMtSpValue

03s1a1

310s2d4

410s2e5

56s3f6

上面的方法都有个问题是3、4行的值都是最大值，这样返回了多行，如果只要返回一行呢？

方法3：idmax（旧版本pandas是argmax）

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

print idx

df.iloc[idx]

Mt

s1 0

s2 3

s3 5

Name: Count, dtype: int64

 CountMtSpValue

03s1a1

310s2d4

56s3f6

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

 CountMtSpValue

03s1a1

310s2d4

56s3f6

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)

Mt

s1 1

s2 4

s3 6

dtype: int64

 MtValue

0s11

3s24

5s36

方法4:先排好序，然后每组取第一个

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

 MtCountSpValue

0s13a1

1s210d4

2s36f6

那问题又来了，如果不是要取出最大值所在的行，比如要中间值所在的那行呢？

思路还是类似，可能具体写法上要做一些修改，比如方法1和2要修改max算法，方法3要自己实现一个返回index的方法。 不管怎样，groupby之后，每个分组都是一个dataframe。

作者：扣丁学堂
链接：https://www.jianshu.com/p/4eb13ac49a4d