groupby를 사용하여 그룹에서 최대 개수를 가진 행을 가져옵니다. cb

열로 count그룹화 한 후 팬더 데이터 프레임에서 열의 최대 값을 갖는 모든 행을 어떻게 찾 ['Sp','Mt']습니까?

예제 1 : 다음 dataFrame은 다음과 같이 그룹화합니다 ['Sp','Mt'].

   Sp   Mt Value   count
0  MM1  S1   a      **3**
1  MM1  S1   n      2
2  MM1  S3   cb     5
3  MM2  S3   mk      **8**
4  MM2  S4   bg     **10**
5  MM2  S4   dgd      1
6  MM4  S2  rd     2
7  MM4  S2   cb      2
8  MM4  S2   uyi      **7**

예상 출력 : 그룹 간 개수가 최대 인 결과 행을 가져옵니다.

0  MM1  S1   a      **3**
1 3  MM2  S3   mk      **8**
4  MM2  S4   bg     **10**
8  MM4  S2   uyi      **7**

예제 2 : 이 데이터 프레임은 다음과 같이 그룹화됩니다 ['Sp','Mt'].

   Sp   Mt   Value  count
4  MM2  S4   bg     10
5  MM2  S4   dgd    1
6  MM4  S2   rd     2
7  MM4  S2   cb     8
8  MM4  S2   uyi    8

위의 예에서, 각 그룹에서 max와 같은 모든 행 을 가져 count오려고합니다.

MM2  S4   bg     10
MM4  S2   cb     8
MM4  S2   uyi    8



답변

In [1]: df
Out[1]:
    Sp  Mt Value  count
0  MM1  S1     a      3
1  MM1  S1     n      2
2  MM1  S3    cb      5
3  MM2  S3    mk      8
4  MM2  S4    bg     10
5  MM2  S4   dgd      1
6  MM4  S2    rd      2
7  MM4  S2    cb      2
8  MM4  S2   uyi      7

In [2]: df.groupby(['Mt'], sort=False)['count'].max()
Out[2]:
Mt
S1     3
S3     8
S4    10
S2     7
Name: count

원본 DF의 색인을 얻으려면 다음을 수행하십시오.

In [3]: idx = df.groupby(['Mt'])['count'].transform(max) == df['count']

In [4]: df[idx]
Out[4]:
    Sp  Mt Value  count
0  MM1  S1     a      3
3  MM2  S3    mk      8
4  MM2  S4    bg     10
8  MM4  S2   uyi      7

그룹당 최대 값이 여러 개인 경우 모두 반환됩니다.

최신 정보

우박 메리 기회에 이것이 OP가 요청하는 것입니다.

In [5]: df['count_max'] = df.groupby(['Mt'])['count'].transform(max)

In [6]: df
Out[6]:
    Sp  Mt Value  count  count_max
0  MM1  S1     a      3          3
1  MM1  S1     n      2          3
2  MM1  S3    cb      5          8
3  MM2  S3    mk      8          8
4  MM2  S4    bg     10         10
5  MM2  S4   dgd      1         10
6  MM4  S2    rd      2          7
7  MM4  S2    cb      2          7
8  MM4  S2   uyi      7          7


답변

dataFrame을 개수별로 정렬 한 다음 중복을 제거 할 수 있습니다. 더 쉽다고 생각합니다.

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


답변

쉬운 해결책은 idxmax () 함수 를 적용 하여 최대 값을 가진 행의 인덱스를 얻는 것입니다.
이것은 그룹에서 최대 값을 가진 모든 행을 필터링합니다.

In [365]: import pandas as pd

In [366]: df = pd.DataFrame({
'sp' : ['MM1', 'MM1', 'MM1', 'MM2', 'MM2', 'MM2', 'MM4', 'MM4','MM4'],
'mt' : ['S1', 'S1', 'S3', 'S3', 'S4', 'S4', 'S2', 'S2', 'S2'],
'val' : ['a', 'n', 'cb', 'mk', 'bg', 'dgb', 'rd', 'cb', 'uyi'],
'count' : [3,2,5,8,10,1,2,2,7]
})

In [367]: df
Out[367]:
   count  mt   sp  val
0      3  S1  MM1    a
1      2  S1  MM1    n
2      5  S3  MM1   cb
3      8  S3  MM2   mk
4     10  S4  MM2   bg
5      1  S4  MM2  dgb
6      2  S2  MM4   rd
7      2  S2  MM4   cb
8      7  S2  MM4  uyi


### Apply idxmax() and use .loc() on dataframe to filter the rows with max values:
In [368]: df.loc[df.groupby(["sp", "mt"])["count"].idxmax()]
Out[368]:
   count  mt   sp  val
0      3  S1  MM1    a
2      5  S3  MM1   cb
3      8  S3  MM2   mk
4     10  S4  MM2   bg
8      7  S2  MM4  uyi

### Just to show what values are returned by .idxmax() above:
In [369]: df.groupby(["sp", "mt"])["count"].idxmax().values
Out[369]: array([0, 2, 3, 4, 8])


답변

비교적 큰 DataFrame (~ 400k 행)에서 Zelazny가 제안한 솔루션을 시도한 결과 매우 느립니다. 다음은 내 데이터 세트에서 수십 배 더 빠르게 실행되는 대안입니다.

df = pd.DataFrame({
    'sp' : ['MM1', 'MM1', 'MM1', 'MM2', 'MM2', 'MM2', 'MM4', 'MM4', 'MM4'],
    'mt' : ['S1', 'S1', 'S3', 'S3', 'S4', 'S4', 'S2', 'S2', 'S2'],
    'val' : ['a', 'n', 'cb', 'mk', 'bg', 'dgb', 'rd', 'cb', 'uyi'],
    'count' : [3,2,5,8,10,1,2,2,7]
    })

df_grouped = df.groupby(['sp', 'mt']).agg({'count':'max'})

df_grouped = df_grouped.reset_index()

df_grouped = df_grouped.rename(columns={'count':'count_max'})

df = pd.merge(df, df_grouped, how='left', on=['sp', 'mt'])

df = df[df['count'] == df['count_max']]


답변

sort_values+를 사용하여 by by group과 관련이 없을 수도 있습니다.drop_duplicates

df.sort_values('count').drop_duplicates(['Sp','Mt'],keep='last')
Out[190]:
    Sp  Mt Value  count
0  MM1  S1     a      3
2  MM1  S3    cb      5
8  MM4  S2   uyi      7
3  MM2  S3    mk      8
4  MM2  S4    bg     10

또한 거의 동일한 논리를 사용하여 tail

df.sort_values('count').groupby(['Sp', 'Mt']).tail(1)
Out[52]:
    Sp  Mt Value  count
0  MM1  S1     a      3
2  MM1  S3    cb      5
8  MM4  S2   uyi      7
3  MM2  S3    mk      8
4  MM2  S4    bg     10


답변

나에게 가장 쉬운 해결책은 count가 최대 일 때 가치를 유지하는 것입니다. 따라서 다음과 같은 한 줄 명령으로 충분합니다.

df[df['count'] == df.groupby(['Mt'])['count'].transform(max)]


답변

사용 groupbyidxmax방법 :

  1. datedatetime다음으로 전송 :

    df['date']=pd.to_datetime(df['date'])
  2. 의 인덱스 얻을 maxdate, 후를 groupyby ad_id:

    idx=df.groupby(by='ad_id')['date'].idxmax()
  3. 원하는 데이터를 얻습니다.

    df_max=df.loc[idx,]

밖으로 [54] :

ad_id  price       date
7     22      2 2018-06-11
6     23      2 2018-06-22
2     24      2 2018-06-30
3     28      5 2018-06-22