pandas获取groupby分组里最大值所在的行方法

更新时间：2018年04月20日 11:46:53 作者：Tobin''s Blog

下面小编就为大家分享一篇pandas获取groupby分组里最大值所在的行方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

pandas获取groupby分组里最大值所在的行方法

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
s2	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。

以上这篇pandas获取groupby分组里最大值所在的行方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。

您可能感兴趣的文章:

python3实现带多张图片、附件的邮件发送
这篇文章主要为大家详细介绍了python3实现带多张图片、附件的邮件发送，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2019-08-08
tensorflow如何批量读取图片
这篇文章主要为大家详细介绍了tensorflow如何批量读取图片，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2019-08-08
8个Python编程进阶常用技巧分享
介绍 Python 炫酷功能的文章层出不穷，但是还有很多 Python 的编程小技巧鲜被提及，所以本文会试着介绍一些其它文章没有提到的小技巧，让我们一探究竟吧
2023-07-07
一篇文章弄懂Python关键字、标识符和变量
这篇文章主要给大家介绍了关于Python关键字、标识符和变量的相关资料,Python关键词是Python保留的具有特定含义的特殊词语,用于执行某些操作,Python标识符是用户定义的名称,而变量是计算机内存中的一块区域,存储对象的内存地址,以便引用对象的值,需要的朋友可以参考下
2021-07-07
python中线程和进程有何区别
在本篇文章里小编给大家整理的是一篇关于python中线程和进程的区别相关知识点，有需要的朋友们可以参考下。
2020-06-06
总结python爬虫抓站的实用技巧
很多人学用python，用得最多的还是各类爬虫脚本：有写过抓代理本机验证的脚本，有写过自动收邮件的脚本，还有写过简单的验证码识别的脚本，那么我们今天就来总结下python爬虫抓站的一些实用技巧。
2016-08-08
python 画条形图(柱状图)实例
这篇文章主要介绍了python 画条形图(柱状图)实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2020-04-04
Python如何抓取天猫商品详细信息及交易记录
这篇文章主要为大家详细介绍了Python如何抓取天猫商品详细信息及交易记录，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2018-02-02
如何在scrapy中捕获并处理各种异常
这篇文章主要介绍了如何在scrapy中捕获并处理各种异常，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2020-09-09
详解Python是如何处理不同时区的
时区是指在地球上不同地方的时间差异，地球分为 24 个时区，每个时区都相对于格林威治标准时间或协调世界时（UTC）有所偏移。本文主要和大家来聊聊Python是如何处理不同时区的，希望对大家有所帮助
2023-02-02