pandas獲取groupby分組里最大值所在的行方法
更新時(shí)間：2018年04月20日 11:46:53 作者：Tobin''s Blog
下面小編就為大家分享一篇pandas獲取groupby分組里最大值所在的行方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧
pandas獲取groupby分組里最大值所在的行方法
如下面這個(gè)DataFrame,按照Mt分組，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
| 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：在分組中過濾出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獲取原dataframe的index，然后過濾出需要的行
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
| Count | Mt | Sp | Value | |
|---|---|---|---|---|
| 0 | 3 | s1 | a | 1 |
| 3 | 10 | s2 | d | 4 |
| 4 | 10 | s2 | e | 5 |
| 5 | 6 | s3 | f | 6 |
上面的方法都有個(gè)問題是3、4行的值都是最大值，這樣返回了多行，如果只要返回一行呢？
方法3：idmax（舊版本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
| 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())]
| 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)
Mt s1 1 s2 4 s3 6 dtype: int64
| Mt | Value | |
|---|---|---|
| 0 | s1 | 1 |
| 3 | s2 | 4 |
| 5 | s3 | 6 |
方法4:先排好序，然后每組取第一個(gè)
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 |
那問題又來了，如果不是要取出最大值所在的行，比如要中間值所在的那行呢？
思路還是類似，可能具體寫法上要做一些修改，比如方法1和2要修改max算法，方法3要自己實(shí)現(xiàn)一個(gè)返回index的方法。 不管怎樣，groupby之后，每個(gè)分組都是一個(gè)dataframe。
以上這篇pandas獲取groupby分組里最大值所在的行方法就是小編分享給大家的全部內(nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
這篇文章主要介紹了Sanic框架安裝與簡單用法,結(jié)合實(shí)例形式簡單分析了Sanic框架的概念、原理、pip命令安裝以及使用方法,需要的朋友可以參考下2018-07-07
Python之tkinter列表框Listbox與滾動(dòng)條Scrollbar解讀
這篇文章主要介紹了Python之tkinter列表框Listbox與滾動(dòng)條Scrollbar解讀，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2023-05-05
講解Python3中NumPy數(shù)組尋找特定元素下標(biāo)的兩種方法
這篇文章主要介紹了講解Python3中NumPy數(shù)組尋找特定元素下標(biāo)的兩種方法，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-08-08
Canvas 控件具有兩個(gè)功能，首先它可以用來繪制各種圖形，比如弧形、線條、橢圓形、多邊形和矩形等，其次 Canvas 控件還可以用來展示圖片。本文將具體介紹一直Tkinter中的畫布控件，需要的可以參考一下2022-01-01
opencv python截取圓形區(qū)域的實(shí)現(xiàn)
本文主要介紹了opencv python截取圓形區(qū)域的實(shí)現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2022-08-08
TensorFlow實(shí)現(xiàn)模型斷點(diǎn)訓(xùn)練,checkpoint模型載入方式
這篇文章主要介紹了TensorFlow實(shí)現(xiàn)模型斷點(diǎn)訓(xùn)練,checkpoint模型載入方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-05-05
這篇文章主要介紹了Python存儲(chǔ)讀取HDF5文件代碼解析,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-11-11
使用Python的開發(fā)框架Brownie部署以太坊智能合約
在本文中，我們將使用Python部署智能合約。這篇文章可能是您走向智能合約和區(qū)塊鏈開發(fā)的橋梁！2021-05-05
Python利用雪花算法實(shí)現(xiàn)生成唯一ID
雪花算法是在一個(gè)項(xiàng)目體系中生成全局唯一ID標(biāo)識(shí)的一種方式，偶然間看到了Python使用雪花算法不盡感嘆真的是太便捷了。本文就來聊聊這具體的實(shí)現(xiàn)方法，感興趣的可以了解一下2022-11-11
今天小編就為大家分享一篇淺談Python里面小數(shù)點(diǎn)精度的控制，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-07-07