Pandas，如何将第 1 列按第 2 列与第 1 列的绝对最大值分组，而不将第 1 列更改为绝对值？

Question

假设我有一个像这样的 df_1 ： 地板紫外线 1 1 -2 2 1 3 3 1 -5 4 1 4 5 2 14 6 2 -15

我写了这段代码： output_df = df_1.loc[df_1.groupby("楼层")["UV"].idxmax()] 上面的代码给了我： 地板紫外线 1 1 3 2 2 14

我想要的结果是： 地板紫外线 1 1 -5 2 2 -15

Answer 1

import pandas as pd
import numpy as np

# Create the example dataframe
data = {'Floor': [1, 1, 1, 1, 2, 2],
        'UV': [1, -2, 3, -5, 14, -15]}
df_1 = pd.DataFrame(data)

# Select the UV value with the maximum absolute value for each "Floor" group
output_df = df_1.loc[df_1.groupby("Floor")["UV"].apply(lambda x: x.abs().idxmax())]

print(output_df)

此代码的工作原理如下：

1. 我们使用

   groupby("Floor")

   按“Floor”对数据框进行分组。
2. 我们使用

   ["UV"]

   为每组选择“UV”列。
3. 我们使用

   apply(lambda x: x.abs().idxmax())

   来查找每组中绝对值最大的值的索引。
4. 我们使用

   df_1.loc[...]

   选择与这些索引对应的行。

此代码将为每个“Floor”组选择具有最大绝对值的 UV 值，并为您提供所需的输出：

   Floor  UV
3      1  -5
5      2 -15

此解决方案将为每个“Floor”组选择最大的负值（以绝对值表示）。如果一个组只有正值，它将选择该组的最大正值。