提取组 Pandas 数据框中具有最大值的行

Question

这里提出了类似的问题： Python：使用groupby获取组中具有最大值的行

但是，即使该组中有多个具有最大值的记录，我也只需要每组一条记录。

在下面的示例中，我需要“s2”的一条记录。对我来说，哪一个并不重要。

>>> df = 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
   Mt Sp  Value  count
0  s1  a      1      3
1  s1  b      2      2
2  s2  c      3      5
3  s2  d      4     10
4  s2  e      5     10
5  s3  f      6      6
>>> idx = df.groupby(['Mt'])['count'].transform(max) == df['count']
>>> df[idx]
   Mt Sp  Value  count
0  s1  a      1      3
3  s2  d      4     10
4  s2  e      5     10
5  s3  f      6      6
>>> 

Answer 1

您可以使用

first

In [14]: df.groupby('Mt').first()
Out[14]: 
   Sp  Value  count
Mt                 
s1  a      1      3
s2  c      3      5
s3  f      6      6

更新

设定

as_index=False

以实现您的目标

In [28]: df.groupby('Mt', as_index=False).first()
Out[28]: 
   Mt Sp  Value  count
0  s1  a      1      3
1  s2  c      3      5
2  s3  f      6      6 

再次更新

抱歉误解了您的意思。如果你想要一组中数量最多的，你可以先排序

In [196]: df.sort('count', ascending=False).groupby('Mt', as_index=False).first()
Out[196]: 
   Mt Sp  Value  count
0  s1  a      1      3
1  s2  e      5     10
2  s3  f      6      6

Answer 2

要获得第一次出现的最大值

count

，您可以使用 pandas.DataFrame.idxmax() 函数：

>>> df.iloc[df.groupby(['Mt']).apply(lambda x: x['count'].idxmax())]
   Mt Sp  Value  count
0  s1  a      1      3
3  s2  d      4     10
5  s3  f      6      6

Answer 3

已经给出的答案并没有清楚地表明什么是迄今为止最快的选择。
按您想要最大值的行进行排序，然后删除重复项（将行名称作为参数，以考虑评估重复项）

df.sort_values('count', ascending=False).drop_duplicates(['Mt'])

注意：是的，这个答案已经在问题的评论中给出，但很容易错过。而且速度将比 groupby 快 10 倍。

Answer 4

根据 Roman Pekar 的回答，我发现以下代码可以工作：

from math import isnan
df.iloc[[int(x) for x in df.groupby(by=df.Mt).apply(lambda x: x['count'].idxmax()).values if not isnan(y)]]

注意 isnan 条件，因为我的应用程序在我们要最大化的列中有一些 nan 条目。