如何在熊猫中使用 argmin 和 groupby

Question

假设我有一个这样的熊猫数据框：

  cat  val
0   a    1
1   a    6
2   a   12
3   b    2
4   b    5
5   b   11
6   c    4
7   c   22

我想知道，对于每个类别（'cat' 的每个值），值最接近给定值的位置是什么，比如 5.5。我可以减去我的目标值并取绝对值，给我这样的东西：

  cat  val  val_delt
0   a    1       4.5
1   a    6       0.5
2   a   12       6.5
3   b    2       3.5
4   b    5       0.5
5   b   11       5.5
6   c    4       1.5
7   c   22      16.5

但我不知道下一步该去哪里。我的第一个想法是将 argmin() 与 groupby() 一起使用，但这会产生错误：

In [375]: df.groupby('cat').val_delt.argmin()
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-375-a2c3dbc43c50> in <module>()
----> 1 df.groupby('cat').val_delt.argmin()

TypeError: 'Series' object is not callable

当然，我可以在标准 python 中想出一些可怕的 hacky 东西，我迭代 cat 的所有值，然后选择与该值对应的数据子集，执行 argmin 操作，然后找出在该行的原始数据框。但是必须有一种更优雅的方式来做到这一点。

我想要的输出是这样的：

  cat  val
1   a    6      
4   b    5       
6   c    4  

或至少一些包含相关信息的结构（例如 - {'a':1, 'b':4, 'c':6} ）。我不在乎我是否取回索引值或索引位置，但我需要两者之一。我不关心取回该值 - 一旦我拥有索引子集，我总是可以稍后获得它。

Answer 1

argmin() 不是 agg 函数，您可以使用 apply 来获取每个组的最近索引：

txt = """  cat  val
0   a    1
1   a    6
2   a   12
3   b    2
4   b    5
5   b   11
6   c    4
7   c   22"""

import io

df = pd.read_csv(io.BytesIO(txt), delim_whitespace=True, index_col=0)
df["val_delt"] = (df.val - 5.5).abs()
idx = df.groupby("cat").apply(lambda df:df.val_delt.argmin())
df.ix[idx, :]

输出：

cat  val  val_delt
1   a    6       0.5
4   b    5       0.5
6   c    4       1.5

Answer 2

只需添加到 HYRY 答案，您就可以使用 idxmin。 示例：

import io
txt = """  cat  val
0   a    1
1   a    6
2   a   12
3   b    2
4   b    5
5   b   11
6   c    4
7   c   22"""
df = pd.read_csv(io.BytesIO(txt.encode()), delim_whitespace=True, index_col=0)
df["val_delt"] = (df.val - 5.5).abs()
idx = df.groupby("cat").apply(lambda df:df.val_delt.idxmin())
df.ix[idx, :]

Answer 3

你不需要申请。

idxmin 就足够了。只需要确保你已经设置了你想要的最小值。

>>> df['val_delt'] = (df.val - 5.5).abs()
>>> df.set_index('val').groupby('cat').idxmin()
     val_delt
cat          
a           6
b           5
c           4

Answer 4

这里的所有答案都有些正确，但没有一个以简洁、美观和 Pythonic 的方式做到这一点。我在这里留下了一个明确的方法来做到这一点。

>>> indx = df.groupby('cat')['val_delt'].idxmin()
>>> df.loc[indx]

  cat  val  val_delt
1   a    6       0.5
4   b    5       0.5
6   c    4       1.5

Answer 5

您可以将df.groupby('cat').val_delt.argmin() 替换为df.sort_values(['cat', 'val_delt']).groupby('cat').head(1)。本质上，这是按两列对 DataFrame 进行排序（cat，然后是val_delt）。

代码

df = pd.DataFrame([['a', 1], ['a', 6], ['a', 12], ['b', 2], ['b', 5], ['b', 11], ['c', 4], ['c', 22]], columns=['cat', 'val'])
df['val_delt'] = (df.val - 5.5).abs()
df.sort_values(['cat', 'val_delt']).groupby('cat').head(1)

结果

  cat  val  val_delt
1   a    6       0.5
4   b    5       0.5
6   c    4       1.5