我有一个数据框:
import pandas as pd
df = pd.DataFrame(
{'team': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],
'variable': [8, 9, 10, 11, 2, 3, 4, 5],
'another_variable': [1, 1, 1, 2, 1, 1, 2, 2]}
)
我想找到
variable
(向上计数)的最大值,其中 another_variable
仍然等于 1.
我可以对数据框进行分组并过滤相关行:
df.groupby(['team']).apply(lambda g: g[g['another_variable'] == 1])
# Output:
# team variable another_variable
#team
#A 0 A 8 1
# 1 A 9 1
# 2 A 10 1
#B 4 B 2 1
# 5 B 3 1
但是如果我添加
.variable.min()
,我只会得到一个值,而不是每组一个值(然后我可以计算出最大值)。我做错了什么?
先过滤,再过滤
groupby
:
df[df['another_variable'].eq(1)].groupby('team')['variable'].max()
输出:
team
A 10
B 3
Name: variable, dtype: int64
如果一个组可能没有 1 而你想要
NaN
,那么使用:
df['variable'].where(df['another_variable'].eq(1)).groupby(df['team']).max()
如果
1
中没有A
的例子:
team
A NaN
B 3
Name: variable, dtype: int64
以下似乎是 Mozway 已经提出的变体:
import pandas as pd
df = pd.DataFrame(
{'team': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],
'variable': [8, 9, 10, 11, 2, 3, 4, 5],
'another_variable': [1, 1, 1, 2, 1, 1, 2, 2]}
)
s = (df.groupby(['team', 'another_variable'])['variable']
.max()
.reset_index(['team', 'another_variable'])
)
print( s[s['another_variable']==1] )
team another_variable variable
0 A 1 10
2 B 1 3