Pandas 按顺序值分组答案

【问题标题】：Pandas groupby sequential valuesPandas 按顺序值分组
【发布时间】：2019-04-05 02:10:57
【问题描述】：

我不知道如何调用这个操作，所以我真的无法用谷歌搜索任何东西，但这是我想要做的：

我有这个数据框：

df = pd.DataFrame({"name": ["A", "B", "B", "B", "A", "A", "B"], "value":[3, 1, 2, 0, 5, 2, 3]})
df
  name  value
0    A      3
1    B      1
2    B      2
3    B      0
4    A      5
5    A      2
6    B      3

我想将它分组到 df.name 并在 df.values 上应用 max 函数，但前提是名称是按顺序排列的。所以我想要的结果如下：

df.groupby_sequence("name")["value"].agg(max)
  name  value
0    A      3
1    B      2
2    A      5
3    B      3

任何线索如何做到这一点？

【问题讨论】：

标签： python pandas pandas-groupby

【解决方案1】：

不完全是 pandas 解决方案，但您可以使用来自 itertools 的 groupby：

from operator import itemgetter

import pandas as pd
from itertools import groupby

df = pd.DataFrame({"name": ["A", "B", "B", "B", "A", "A", "B"], "value":[3, 1, 2, 0, 5, 2, 3]})

result = [max(group, key=itemgetter(1)) for k, group in groupby(zip(df.name, df.value), key=itemgetter(0))]

print(result)

输出

[('A', 3), ('B', 2), ('A', 5), ('B', 3)]

【讨论】：

【解决方案2】：

使用pandas，您可以在名称逐行更改时进行分组，使用(df.name!=df.name.shift()).cumsum()，基本上将连续的名称组合在一起：

>>> df.groupby((df.name!=df.name.shift()).cumsum()).max().reset_index(drop=True)
  name  value
0    A      3
1    B      2
2    A      5
3    B      3

【讨论】：