pandas獲取groupby分組里最大值所在的行,獲取第一個等操作

pandas獲取groupby分組里最大值所在的行

 

10/May 2016

python  pandas

pandas獲取groupby分組里最大值所在的行

如下面這個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

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要自己實現一個返回index的方法。 不管怎樣，groupby之后，每個分組都是一個dataframe。