10/May 2016
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
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
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
|
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。