我正在尝试过滤出groupby的结果。
我有这张桌子:
A B C
A0 B0 0.5
A1 B0 0.2
A2 B1 0.6
A3 B1 0.4
A4 B2 1.0
A5 B2 1.2
A
是索引,它是唯一的。
其次我有这个清单:
['A0', 'A1', 'A4']
我希望按B
进行分组,并为每个组提取C
值最高的行。必须在每个组中的所有行之间选择此行,为上面列表中存在索引的行赋予最高优先级。
此数据和代码的结果必须是:
A B C
A0 B0 0.5
A2 B1 0.6
A4 B2 1.0
我认为伪代码必须是:
group by B
for each group G:
intersect group G rows index with indexes in the list
if intersection is not void:
the group G becomes the intersection
sort the rows by C in ascending order
take the first row as representative for this group
我怎么能在熊猫中做到这一点?
由于
答案 0 :(得分:3)
这是一般解决方案。它不漂亮,但它有效:
def filtermax(g, filter_on, filter_items, max_over):
infilter = g.index.isin(filter_items).sum() > 0
if infilter:
return g[g[max_over] == g.ix[filter_items][max_over].max()]
else:
return g[g[max_over] == g[max_over].max()]
return g
给出:
>>> x.groupby('B').apply(filtermax, 'A', ['A0', 'A1', 'A4'], 'C')
B C
B A
B0 A0 B0 0.5
B1 A2 B1 0.6
B2 A4 B2 1.0
如果有人可以弄清楚如何阻止B
被添加为索引(至少在我的系统x.groupby('B', as_index=False
上没有帮助!)那么这个解决方案非常完美!
答案 1 :(得分:1)
我这样解决了:
# a is the dataframe, s the series
s = ['A0', 'A1', 'A4']
# take results for the intersection
results_intersection = a.sort('C', ascending=False).groupby(lambda x: a.ix[x, 'B'] if a.ix[x, 'A'] in s else np.nan).first()
# take remaining results
missing_results_B = set(a['B'].value_counts().index) - set(results_intersection.index)
results_addendum = a[a['B'].isin(missing_results_B)].groupby('B').first()
del results_intersection['B']
# concatenate
results = pd.concat([results_intersection, results_addendum])
希望它有所帮助,我没有忘记任何事情......