从分层DataFrame中按最大值选择行

Question

这是我的数据框：

import numpy as np
import pandas as pd

data = {('California', 2000): [33871648, 45],
        ('California', 2010): [37253956, 52],
        ('Texas', 2000): [20851820, 56],
        ('Texas', 2010): [25145561, 34],
        ('New York', 2000): [18976457, 23],
        ('New York', 2010): [19378102, 23]}
df = pd.DataFrame(data).T
df.index.names = 'State', 'Year'
df.columns = ['population', 'foo']
print(df)

                 population  foo
State      Year                 
California 2000    33871648   45
           2010    37253956   52
Texas      2000    20851820   56
           2010    25145561   34
New York   2000    18976457   23
           2010    19378102   23

我想要每个 State 的最大 foo 行，但如果我尝试

idx = df.groupby(level=0)['foo'].apply(np.argmax)
print(df.loc[idx])

当我尝试按级别 0 分组并应用 np.argmax 时，我收到警告：

... FutureWarning: 
The current behaviour of 'Series.argmax' is deprecated, use 'idxmax'
instead.
The behavior of 'argmax' will be corrected to return the positional
maximum in the future. For now, use 'series.values.argmax' or
'np.argmax(np.array(values))' to get the position of the maximum
row.
  return getattr(obj, method)(*args, **kwds)
                 population  foo
State      Year                 
California 2010    37253956   52
New York   2000    18976457   23
Texas      2000    20851820   56

它有效，但我应该如何正确地做到这一点？我不确定我是否理解警告消息中的建议。 这个问题有点像this one，但我想要整行，而不仅仅是最大值。

Answer 1

使用transform('max')再与foo比较，保留符合条件的记录：

df[df.foo.eq(df.groupby(level=0)['foo'].transform('max'))]

---

                 population  foo
State      Year                 
California 2010    37253956   52
Texas      2000    20851820   56
New York   2000    18976457   23
           2010    19378102   23