使用 pandas 旋转 df 后获取与最大值关联的行数据

Question

我有一个看起来像这样的熊猫数据框。

import pandas as pd

df = pd.DataFrame({
    'col1': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16],
    'col2': ['test1', 'test1', 'test1', 'test1', 'test2', 'test2', 'test2',
             'test2', 'test3', 'test3', 'test3', 'test3', 'test4', 'test5',
             'test1', 'test1'],
    'col3': ['t1', 't1', 't1', 't1', 't1', 't1', 't1', 't1', 't1', 't1', 't1',
             't1', 't1', 't1', 't1', 't1'],
    'col4': ['input1', 'input2', 'input3', 'input4', 'input1', 'input2',
             'input3', 'input4', 'input1', 'input2', 'input3', 'input5',
             'input2', 'input6', 'input1', 'input1'],
    'col5': ['result1', 'result2', 'result3', 'result4', 'result1', 'result2',
             'result3', 'result4', 'result1', 'result2', 'result3', 'result4',
             'result2', 'result1', 'result2', 'result6'],
    'col6': [10, 20, 30, 40, 10, 20, 30, 40, 10, 20, 30, 50, 20, 100, 10, 10],
    'col7': [100.2, 101.2, 102.3, 101.4, 100.0, 103.0, 104.0, 105.0, 102.0,
             87.0, 107.0, 110.2, 120.0, 88.0, 106.2, 101.1]
})

ptable = df.pivot_table(values='col7', index=['col4'], columns=['col2'], aggfunc='max')

ptable = (ptable [(ptable >= 100).any(1)]
        .fillna('')
        .reset_index()
        .rename_axis(None, axis=1))

一旦数据在 col2 上旋转，我正在尝试检索与最大值关联的行数据。我感兴趣的数据是 col5 和 col6 数据，但无法弄清楚如何获取该信息。非常感谢任何意见。

我要找的两个输出表如下：

请求的输出表#1：

col4	col5	col6	test1	test2	test3	test4	test5
input1	result2	10	106.2
input1	result1	10		100	102
input2	result2	20	101.2	103	87	120
input3	result3	30	102.3	104	107
input4	result4	40	101.4	105
input5	result4	50			110.2

请求的输出表#2：

col4	col5	col6	test1	test2	test3	test4	test5
input1	result2	10	106.2
input1	result1	10	102.2	100	102
input2	result2	20	101.2	103	87	120
input3	result3	30	102.3	104	107
input4	result4	40	101.4	105
input5	result4	50			110.2

提前致谢。

Answer 1

更新包括大于 100：

ptable = df.pivot_table(values='col7', index=['col4', 'col5', 'col6'], columns=['col2'], aggfunc='max')
ptable_1 = ptable.where((ptable.groupby(level=0).rank(ascending=False) == 1.)&(ptable>100)).dropna(how='all')
print(ptable_1)

输出：

col2                 test1  test2  test3  test4  test5
col4   col5    col6                                   
input1 result1 10      NaN    NaN  102.0    NaN    NaN
       result2 10    106.2    NaN    NaN    NaN    NaN
input2 result2 20    101.2  103.0    NaN  120.0    NaN
input3 result3 30    102.3  104.0  107.0    NaN    NaN
input4 result4 40    101.4  105.0    NaN    NaN    NaN
input5 result4 50      NaN    NaN  110.2    NaN    NaN

还有，

ptable_2 = ptable[((ptable.groupby(level=0).rank(ascending=False) == 1.).any(axis=1))&(ptable>100).any(axis=1)]
print(ptable_2

输出：

col2                 test1  test2  test3  test4  test5
col4   col5    col6                                   
input1 result1 10    100.2  100.0  102.0    NaN    NaN
       result2 10    106.2    NaN    NaN    NaN    NaN
input2 result2 20    101.2  103.0   87.0  120.0    NaN
input3 result3 30    102.3  104.0  107.0    NaN    NaN
input4 result4 40    101.4  105.0    NaN    NaN    NaN
input5 result4 50      NaN    NaN  110.2    NaN    NaN

---

IIUC，试试吧：

ptable = df.pivot_table(values='col7', index=['col4', 'col5', 'col6'], columns=['col2'], aggfunc='max')
ptable_1 = ptable.where(ptable.groupby(level=0).rank(ascending=False) == 1.).dropna(how='all')
print(ptable_1)

输出：

col2                 test1  test2  test3  test4  test5
col4   col5    col6                                   
input1 result1 10      NaN  100.0  102.0    NaN    NaN
       result2 10    106.2    NaN    NaN    NaN    NaN
input2 result2 20    101.2  103.0   87.0  120.0    NaN
input3 result3 30    102.3  104.0  107.0    NaN    NaN
input4 result4 40    101.4  105.0    NaN    NaN    NaN
input5 result4 50      NaN    NaN  110.2    NaN    NaN
input6 result1 100     NaN    NaN    NaN    NaN   88.0

还有，

ptable_2 = ptable[(ptable.groupby(level=0).rank(ascending=False) == 1.).any(axis=1)]
print(ptable_2)

输出：

col2                 test1  test2  test3  test4  test5
col4   col5    col6                                   
input1 result1 10    100.2  100.0  102.0    NaN    NaN
       result2 10    106.2    NaN    NaN    NaN    NaN
input2 result2 20    101.2  103.0   87.0  120.0    NaN
input3 result3 30    102.3  104.0  107.0    NaN    NaN
input4 result4 40    101.4  105.0    NaN    NaN    NaN
input5 result4 50      NaN    NaN  110.2    NaN    NaN
input6 result1 100     NaN    NaN    NaN    NaN   88.0