我有一个像下面这样的熊猫数据框。
UsrId JobNos
1 4
1 56
2 23
2 55
2 41
2 5
3 78
1 25
3 1
我根据UsrId对数据框进行分组。分组数据框在概念上如下所示。
UsrId JobNos
1 [4,56,25]
2 [23,55,41,5]
3 [78,1]
现在,我正在寻找一个内置API,它将为UsrId提供最大的工作量。对于上面的示例,UsrId-2具有最大计数。
更新 而不是具有最大作业数的UsrID,我希望'n'UserIds具有最大作业数。对于上面的例子,如果n = 2,则输出为[2,1]。可以这样做吗?
答案 0 :(得分:10)
像df.groupby('UsrId').JobNos.sum().idxmax()
之类的东西应该这样做:
In [1]: import pandas as pd
In [2]: from StringIO import StringIO
In [3]: data = """UsrId JobNos
...: 1 4
...: 1 56
...: 2 23
...: 2 55
...: 2 41
...: 2 5
...: 3 78
...: 1 25
...: 3 1"""
In [4]: df = pd.read_csv(StringIO(data), sep='\s+')
In [5]: grouped = df.groupby('UsrId')
In [6]: grouped.JobNos.sum()
Out[6]:
UsrId
1 85
2 124
3 79
Name: JobNos
In [7]: grouped.JobNos.sum().idxmax()
Out[7]: 2
如果您希望结果基于每组中的项目数:
In [8]: grouped.size()
Out[8]:
UsrId
1 3
2 4
3 2
In [9]: grouped.size().idxmax()
Out[9]: 2
更新:要获得有序结果,您可以使用.order
方法:
In [10]: grouped.JobNos.sum().order(ascending=False)
Out[10]:
UsrId
2 124
1 85
3 79
Name: JobNos