如何在熊猫中过滤 groupby 的结果

Question

我正在尝试过滤掉 groupby 的结果。

我有这张桌子：

A       B       C

A0      B0      0.5
A1      B0      0.2
A2      B1      0.6
A3      B1      0.4
A4      B2      1.0
A5      B2      1.2

A是索引，是唯一的。

其次，我有这个清单：

['A0', 'A1', 'A4']

我想按B 分组，并为每个组提取最高值为C 的行。必须在每个组中的所有行之间选择此行，为上面列表中存在索引的行提供最高优先级。

此数据和代码的结果必须是：

A       B       C

A0      B0      0.5
A2      B1      0.6
A4      B2      1.0

我认为的伪代码必须是：

group by B
for each group G:
    intersect group G rows index with indexes in the list
    if intersection is not void:
        the group G becomes the intersection
    sort the rows by C in ascending order
    take the first row as representative for this group

如何在 pandas 中做到这一点？

谢谢

Answer 1

我是这样解决的：

# a is the dataframe, s the series
s = ['A0', 'A1', 'A4']

# take results for the intersection
results_intersection = a.sort('C', ascending=False).groupby(lambda x: a.ix[x, 'B'] if a.ix[x, 'A'] in s else np.nan).first()

# take remaining results
missing_results_B = set(a['B'].value_counts().index) - set(results_intersection.index)
results_addendum = a[a['B'].isin(missing_results_B)].groupby('B').first()
del results_intersection['B']

# concatenate
results = pd.concat([results_intersection, results_addendum])

希望它有所帮助，我没有忘记任何事情..

Answer 2

这是一个通用的解决方案。它不漂亮，但它有效：

def filtermax(g, filter_on, filter_items, max_over):
    infilter = g.index.isin(filter_items).sum() > 0
    if infilter:
        return g[g[max_over] == g.ix[filter_items][max_over].max()]
    else:
        return g[g[max_over] == g[max_over].max()]
    return g

给出：

>>> x.groupby('B').apply(filtermax, 'A', ['A0', 'A1', 'A4'], 'C')
        B    C
B  A          
B0 A0  B0  0.5
B1 A2  B1  0.6
B2 A4  B2  1.0

如果有人能弄清楚如何阻止 B 被添加为索引（至少在我的系统上 x.groupby('B', as_index=False 没有帮助！）那么这个解决方案非常完美！