这篇文章主要介绍pandas如何获取groupby分组里最大值所在的行，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！
pandas获取groupby分组里最大值所在的行方法
如下面这个DataFrame,按照Mt分组，取出Count最大的那行
import pandas as pd
df = pd.DataFrame({'Sp':['a','b','c','d','e','f'], 'Mt':['s1', 's1', 's2','s2','s2','s3'], 'Value':[1,2,3,4,5,6], 'Count':[3,2,5,10,10,6]})
df
| Count | Mt | Sp | Value |
|---|
| 0 | 3 | s1 | a | 1 |
|---|
| 1 | 2 | s1 | b | 2 |
|---|
| 2 | 5 | s2 | c | 3 |
|---|
| 3 | 10 | s2 | d | 4 |
|---|
| 4 | 10 | s2 | e | 5 |
|---|
| 5 | 6 | s3 | f | 6 |
|---|
方法1：在分组中过滤出Count最大的行
df.groupby('Mt').apply(lambda t: t[t.Count==t.Count.max()])
|
| Count | Mt | Sp | Value |
|---|
| Mt |
|
|
|
|
|
|---|
| s1 | 0 | 3 | s1 | a | 1 |
|---|
| s2 | 3 | 10 | s2 | d | 4 |
|---|
| 4 | 10 | s2 | e | 5 |
|---|
| s3 | 5 | 6 | s3 | f | 6 |
|---|
方法2：用transform获取原dataframe的index，然后过滤出需要的行
print df.groupby(['Mt'])['Count'].agg(max)
idx=df.groupby(['Mt'])['Count'].transform(max)
print idx
idx1 = idx == df['Count']
print idx1
df[idx1]
Mt
s1 3
s2 10
s3 6
Name: Count, dtype: int64
0 3
1 3
2 10
3 10
4 10
5 6
dtype: int64
0 True
1 False
2 False
3 True
4 True
5 True
dtype: bool
| Count | Mt | Sp | Value |
|---|
| 0 | 3 | s1 | a | 1 |
|---|
| 3 | 10 | s2 | d | 4 |
|---|
| 4 | 10 | s2 | e | 5 |
|---|
| 5 | 6 | s3 | f | 6 |
|---|
上面的方法都有个问题是3、4行的值都是最大值，这样返回了多行，如果只要返回一行呢？
方法3：idmax（旧版本pandas是argmax）
idx = df.groupby('Mt')['Count'].idxmax()
print idxdf.iloc[idx]
Mt
s1 0
s2 3
s3 5
Name: Count, dtype: int64
| Count | Mt | Sp | Value |
|---|
| 0 | 3 | s1 | a | 1 |
|---|
| 3 | 10 | s2 | d | 4 |
|---|
| 5 | 6 | s3 | f | 6 |
|---|
df.iloc[df.groupby(['Mt']).apply(lambda x: x['Count'].idxmax())]
| Count | Mt | Sp | Value |
|---|
| 0 | 3 | s1 | a | 1 |
|---|
| 3 | 10 | s2 | d | 4 |
|---|
| 5 | 6 | s3 | f | 6 |
|---|
def using_apply(df):
return (df.groupby('Mt').apply(lambda subf: subf['Value'][subf['Count'].idxmax()]))
def using_idxmax_loc(df):
idx = df.groupby('Mt')['Count'].idxmax()
return df.loc[idx, ['Mt', 'Value']]
print using_apply(df)
using_idxmax_loc(df)Mt
s1 1
s2 4
s3 6
dtype: int64
方法4:先排好序，然后每组取第一个
df.sort('Count', ascending=False).groupby('Mt', as_index=False).first()
| Mt | Count | Sp | Value |
|---|
| 0 | s1 | 3 | a | 1 |
|---|
| 1 | s2 | 10 | d | 4 |
|---|
| 2 | s3 | 6 | f | 6 |
|---|
那问题又来了，如果不是要取出最大值所在的行，比如要中间值所在的那行呢？
思路还是类似，可能具体写法上要做一些修改，比如方法1和2要修改max算法，方法3要自己实现一个返回index的方法。 不管怎样，groupby之后，每个分组都是一个dataframe。
以上是“pandas如何获取groupby分组里最大值所在的行”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注天达云行业资讯频道！