我在 DataFrame 中有一組具有重復索引的值： valueCDE 2.318620CDE -3.097715LXU -3.791043LXU 4.818995SWN 3.059964SWN -4.349304OAS -3.336539LPI -3.037097LPI -5.701044LPI -3.519923CZR -3.270018CZR -3.056712所需的結果是僅保留最高絕對值并在新列中返回平均值： value averageCDE -3.097715 -0.389547LXU 4.818995 0.513976SWN -4.349304 -0.644670OAS -3.336539 -3.336539LPI -5.701044 -4.086021CZR -3.270018 -3.163365我試圖將 .apply(lambda) 應用于重復的行，但出現“軸”錯誤：max_absolute = lambda x: max(x.min(), x.max(), key=abs)df_duplicate_absmax = df.groupby(df.index).apply(max_absolute, axis=1)ps：調整 Abhi 的解決方案以使用 NaN：df1 = df.groupby(df.index)['value'].agg([lambda x: max(x[~np.isnan(x)], key=abs), 'mean'])
3 回答
米琪卡哇伊
TA貢獻1998條經驗 獲得超6個贊
用：
df1 = df.groupby(df.index)['value'].agg([lambda x: max(x,key=abs), 'mean'])
df1.columns = ['value', 'average']
print (df1)
value average
CDE -3.097715 -0.389547
CZR -3.270018 -3.163365
LPI -5.701044 -4.086021
LXU 4.818995 0.513976
OAS -3.336539 -3.336539
SWN -4.349304 -0.644670
倚天杖
TA貢獻1828條經驗 獲得超3個贊
這是一個使用groupby+agg和兩個函數的解決方案，一個通過絕對值計算最大值，另一個計算平均值：
def max_abs(x):
return x.iloc[x.abs().values.argmax()]
res = df.groupby(level=0).agg([max_abs, 'mean'])\
.xs('value', axis=1, drop_level=True)
print(res)
max_abs mean
CDE -3.097715 -0.389547
CZR -3.270018 -3.163365
LPI -5.701044 -4.086021
LXU 4.818995 0.513976
OAS -3.336539 -3.336539
SWN -4.349304 -0.644670
添加回答
舉報
0/150
提交
取消