从多索引表中获取最大行

Question

我有一张类似这样的表格：

user_id	date	count
1	2020	5
	2021	7
2	2017	1
3	2020	2
	2019	1
	2021	3

我试图只保留每个 user_id 计数最多的行，所以它应该看起来像这样：

user_id	date	count
1	2021	7
2	2017	1
3	2021	3

我尝试使用 df.groupby(level=0).apply(max) 但它会从决赛表中删除日期列，我不确定如何修改它以保留所有三个原始列

Answer 1

您可以尝试在.groupby() 之后仅指定列count，然后使用.apply() 来生成布尔系列是否当前组中的条目等于组中的最大值count。然后，使用.loc 定位布尔序列并显示整个数据框。

df.loc[df.groupby(level=0)['count'].apply(lambda x: x == x.max())]

结果：

         date  count
user_id             
1        2021      7
2        2017      1
3        2021      3

请注意，如果一个user_id 中有多个条目具有相同的最大计数，则将保留所有这些条目。

如果您希望每个user_id 只保留一个条目，那么对于此类数量最多的多个条目，您可以改用以下逻辑：

df1 = df.reset_index()
df1.loc[df1.groupby('user_id')['count'].idxmax()].set_index('user_id')

结果：

         date  count
user_id             
1        2021      7
2        2017      1
3        2021      3

请注意，我们不能简单地使用df.loc[df.groupby(level=0)["count"].idxmax()]，因为user_id 是行索引。此代码仅为您提供所有未过滤的行，就像未处理的原始数据帧一样。这是因为idxmax() 在此代码中返回的索引是user_id 本身（而不是简单的 RangeIndex 0、1、2 等）。然后，当.loc 找到这些user_id 索引时，它会简单地返回同一user_id 下的所有 个条目。

演示

让我们在示例数据中添加更多条目，看看两种解决方案之间的区别：

我们的基础df（user_id 是行索引）：

         date  count
user_id             
1        2018      7                 <=== max1
1        2020      5
1        2021      7                 <=== max2
2        2017      1
3        2020      3                 <=== max1
3        2019      1
3        2021      3                 <=== max2

第一个解决方案结果：

df.loc[df.groupby(level=0)['count'].apply(lambda x: x == x.max())]


         date  count
user_id             
1        2018      7
1        2021      7
2        2017      1
3        2020      3
3        2021      3

第二解结果：

df1 = df.reset_index()
df1.loc[df1.groupby('user_id')['count'].idxmax()].set_index('user_id')


         date  count
user_id             
1        2018      7
2        2017      1
3        2020      3