pandas获取groupby分组里最大值所在的行

https://blog.csdn.net/mappy93/article/details/79319506/

pandas获取groupby分组里最大值所在的行

10/May 2016

python  pandas

pandas获取groupby分组里最大值所在的行

如下面这个DataFrame,按照Mt分组，取出Count最大的那行

1.  
   import pandas as pd
2.  
   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]})
3.  
   df

	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

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()])

		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

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

1.  
   print df.groupby(['Mt'])['Count'].agg(max)
2.  
    
3.  
   idx=df.groupby(['Mt'])['Count'].transform(max)
4.  
   print idx
5.  
   idx1 = idx == df['Count']
6.  
   print idx1
7.  
    
8.  
   df[idx1]

1.  
   Mt
2.  
   s1 3
3.  
   s2 10
4.  
   s3 6
5.  
   Name: Count, dtype: int64
6.  
   0 3
7.  
   1 3
8.  
   2 10
9.  
   3 10
10.  
    4 10
11.  
    5 6
12.  
    dtype: int64
13.  
    0 True
14.  
    1 False
15.  
    2 False
16.  
    3 True
17.  
    4 True
18.  
    5 True
19.  
    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

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）

1.  
   idx = df.groupby('Mt')['Count'].idxmax()
2.  
   print idx
3.  
    
4.  
   df.iloc[idx]

1.  
   Mt
2.  
   s1 0
3.  
   s2 3
4.  
   s3 5
5.  
   Name: Count, dtype: int64

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

1.  
   df.iloc[df.groupby(['Mt']).apply(lambda x: x['Count'].idxmax())]
2.  
    

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

1.  
   def using_apply(df):
2.  
   return (df.groupby('Mt').apply(lambda subf: subf['Value'][subf['Count'].idxmax()]))
3.  
    
4.  
   def using_idxmax_loc(df):
5.  
   idx = df.groupby('Mt')['Count'].idxmax()
6.  
   return df.loc[idx, ['Mt', 'Value']]
7.  
    
8.  
   print using_apply(df)
9.  
    
10.  
    using_idxmax_loc(df)
11.  
     

1.  
   Mt
2.  
   s1 1
3.  
   s2 4
4.  
   s3 6
5.  
   dtype: int64

	Mt	Value
0	s1	1
3	s2	4
5	s3	6

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()

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

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。