在 Python Column 中查找最大值答案

【问题标题】：Finding the max value in Python Column在 Python Column 中查找最大值
【发布时间】：2017-12-17 06:17:51
【问题描述】：

我在 pandas python 中有一个这样的数据框 (combined_ranking_df)：

                Id  Rank                         Activity
0              14035   8.0                         deployed
1              47728   8.0                         deployed
2              24259   1.0                         NaN
3              24259   6.0                         WIP
4              14251   8.0                         deployed
5              14250   1.0                         NaN
6              14250   6.0                         WIP
7              14250   5.0                         NaN
8              14250   5.0                         NaN
9              14250   1.0                         NaN

我正在尝试获取每个 id 的最大值。例如，14250 应该是 6.0。 24259 应该是 6.0。

                Id  Rank                         Activity
0              14035   8.0                         deployed
1              47728   8.0                         deployed
3              24259   6.0                         WIP
4              14251   8.0                         deployed
6              14250   6.0                         WIP

我尝试做combined_ranking_df.groupby(['Id'], sort=False)['Rank'].max()，但我得到的结果是第一个dataframe（没有任何改变）。

我做错了什么？

【问题讨论】：

标签： python pandas group-by pandas-groupby

【解决方案1】：

选项 1
与@ayhan 的回答相同here
这通过对将最大值留在每个'Id' 组的最后一个位置的数据帧进行排序来回答这个问题。 pd.DataFrame.drop_duplicates 使我们能够保留每个组的第一个或最后一个。然而，这是一个非常快的方便巧合。不能一概而论地说每个'Id' 的前两个。

df.sort_values('Rank').drop_duplicates('Id', 'last')

      Id  Rank  Activity
3  24259   6.0       WIP
6  14250   6.0       WIP
0  14035   8.0  deployed
1  47728   8.0  deployed
4  14251   8.0  deployed

可以在最后对索引进行排序

df.sort_values('Rank').drop_duplicates('Id', 'last').sort_index()

      Id  Rank  Activity
0  14035   8.0  deployed
1  47728   8.0  deployed
3  24259   6.0       WIP
4  14251   8.0  deployed
6  14250   6.0       WIP

选项 2
groupby 和 idxmax
这是我认为解决这个问题的最惯用的方法。 @MaxU 的答案是推广到最大 n 每 'Id' 的最佳方式。

df.loc[df.groupby('Id', sort=False).Rank.idxmax()]

      Id  Rank  Activity
0  14035   8.0  deployed
1  47728   8.0  deployed
3  24259   6.0       WIP
4  14251   8.0  deployed
6  14250   6.0       WIP

【讨论】：

嗨，我试过这样做，但还是一样。我的列的数据类型是错误的还是什么？我这样做了：groups = combined_ranking_df.loc[combined_ranking_df.groupby('Id', sort=False).Rank.idxmax()]
你告诉我！运行combined_ranking_df.dtypes 看看'Rank' 是不是float
如果没有，请运行此代码 combined_ranking_df.loc[combined_ranking_df.groupby('Id', sort=False).Rank.astype(float).idxmax()]

【解决方案2】：

IIUC：

In [40]: df.groupby('Id', as_index=False, sort=False) \
           .apply(lambda x: x.nlargest(1, ['Rank'])) \
    ...:   .reset_index(level=1, drop=True)
Out[40]:
      Id  Rank  Activity
0  14035   8.0  deployed
1  47728   8.0  deployed
2  24259   6.0       WIP
3  14251   8.0  deployed
4  14250   6.0       WIP

或者来自@piRSquared的更好的版本：

In [41]: df.groupby('Id', group_keys=False, sort=False) \
           .apply(pd.DataFrame.nlargest, n=1, columns='Rank')
Out[41]:
      Id  Rank  Activity
0  14035   8.0  deployed
1  47728   8.0  deployed
3  24259   6.0       WIP
4  14251   8.0  deployed
6  14250   6.0       WIP

【讨论】：

df.groupby('Id', group_keys=False, sort=False).apply(pd.DataFrame.nlargest, n=1, columns='Rank')
@piRSquared，我完全忘记了 group_keys 参数 - 非常感谢！
我支持你！

【解决方案3】：

尝试存储它，然后查阅存储的groupedby

groups = combined_ranking_df.groupby(['Id'], as_index=False, sort=False).max()[['Id','Rank']].

      Id  Rank
0  14035   8.0
1  47728   8.0
2  24259   6.0
3  14251   8.0
4  14250   6.0

【讨论】：

sort=False 参数获取OP的输出

【解决方案4】：

您可以创建一个布尔索引来检查给定Id 的Rank 是否等于其最大值。然后使用布尔索引从数据框中提取最大值。

在transform 的帮助下，使用Id 上的groupby 创建掩码，它保留了数据框的原始尺寸。

>>> df[(df[['Rank']] == df[['Id', 'Rank']].groupby('Id').transform(max)).squeeze().tolist()]
      Id  Rank  Activity
0  14035     8  deployed
1  47728     8  deployed
3  24259     6       WIP
4  14251     8  deployed
6  14250     6       WIP

【讨论】：

我从你的回答中学到了很多...我希望我能经常看到它们（-:
非常有趣和不同寻常的方法——我真的很喜欢它！