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。
