Question

例如我有以下表格：

index,A,B
0,0,0
1,0,8
2,0,8
3,1,0
4,1,5

按A分组后：

0:
index,A,B
0,0,0
1,0,8
2,0,8

1:
index,A,B
3,1,5
4,1,3

我需要从每个组中删除行，其中B列中的数字小于来自组B的所有行的最大值。好吧，我有一个问题，将这个问题翻译成英文，所以这里是一个例子：

组B中列0中行的最大值： 8

所以我想删除索引为0的行，并保留包含索引1和2的行

组B中列1中行的最大值： 5

所以我想删除索引为4的行并保留索引3的行

我曾尝试使用pandas过滤器功能，但问题是它一次在组中的所有行上运行：

data = <example table>
grouped = data.groupby("A")
filtered = grouped.filter(lambda x: x["B"] == x["B"].max())

所以我理想需要的是一些过滤器，它会遍历组中的所有行。

感谢您的帮助！

P.S。是否还有方法只删除组中的行而不返回DataFrame对象？

Answer 1

您只需在apply对象上使用groupby即可。我修改了你的示例数据，使其更加清晰：

import pandas
from io import StringIO

csv = StringIO("""index,A,B
0,1,0.0
1,1,3.0
2,1,6.0
3,2,0.0
4,2,5.0
5,2,7.0""")

df = pandas.read_csv(csv, index_col='index')
groups = df.groupby(by=['A'])
print(groups.apply(lambda g: g[g['B'] == g['B'].max()]))

打印哪些：

         A  B
A index      
1 2      1  6
2 4      2  7

Answer 2

编辑：我刚刚通过方法使用.transform组了解了一种更简洁的方法：

def get_max_rows(df):
    B_maxes = df.groupby('A').B.transform(max)
    return df[df.B == B_maxes]

B_maxes是一个系列，其编号与原始df完全相同，包含每个B组的最大值A。您可以将许多函数传递给transform方法。我认为一旦他们输出相同长度的标量或向量。您甚至可以将一些字符串作为常用函数名称传递，例如'median'。这与Paul H的方法略有不同，A＆＃39; A＆＃39;不会成为结果中的索引，但您可以在之后轻松设置。

import numpy as np
import pandas as pd
df_lots_groups = pd.DataFrame(np.random.rand(30000, 3), columns = list('BCD')
df_lots_groups['A'] = np.random.choice(range(10000), 30000)

%timeit get_max_rows(df_lots_groups)
100 loops, best of 3: 2.86 ms per loop

%timeit df_lots_groups.groupby('A').apply(lambda df: df[ df.B == df.B.max()])
1 loops, best of 3: 5.83 s per loop

编辑：

这是一个抽象，它允许您使用任何有效的比较运算符和任何有效的groupby方法从组中选择行：

def get_group_rows(df, group_col, condition_col, func=max, comparison='=='):
    g = df.groupby(group_col)[condition_col]
    condition_limit = g.transform(func)
    df.query('condition_col {} @condition_limit'.format(comparison))

所以，例如，如果你想要在每个A组的中位数B值之上的所有行你调用

get_group_rows(df, 'A', 'B', 'median', '>')

一些例子：

%timeit get_group_rows(df_lots_small_groups, 'A', 'B', 'max', '==')
100 loops, best of 3: 2.84 ms per loop
%timeit get_group_rows(df_lots_small_groups, 'A', 'B', 'mean', '!=')
100 loops, best of 3: 2.97 ms per loop

Answer 3

以下是另一个示例：使用idxmax（）和.loc（）

在groupby操作后过滤具有最大值的行

In [465]: import pandas as pd

In [466]:   df = pd.DataFrame({
               'sp' : ['MM1', 'MM1', 'MM1', 'MM2', 'MM2', 'MM2'],
               'mt' : ['S1', 'S1', 'S3', 'S3', 'S4', 'S4'], 
               'value' : [3,2,5,8,10,1]     
                })

In [467]: df
Out[467]: 
   mt   sp  value
0  S1  MM1      3
1  S1  MM1      2
2  S3  MM1      5
3  S3  MM2      8
4  S4  MM2     10
5  S4  MM2      1

### Here, idxmax() finds the indices of the rows with max value within groups,
### and .loc() filters the rows using those indices :
In [468]: df.loc[df.groupby(["mt"])["value"].idxmax()]                                                                                                                           
Out[468]: 
   mt   sp  value
0  S1  MM1      3
3  S3  MM2      8
4  S4  MM2     10

Answer 4

所有这些答案都不错，但我想要以下内容：

(DataframeGroupby object) --> filter some rows out --> (DataframeGroupby object)

耸耸肩，似乎比我预期的更难，更有趣。因此，这种衬板可以满足我的要求，但这可能不是最有效的方法：）

gdf.apply(lambda g: g[g['team'] == 'A']).reset_index(drop=True).groupby(gdf.grouper.names)

工作代码示例：

import pandas as pd

def print_groups(gdf): 
    for name, g in gdf: 
        print('\n'+name) 
        print(g)

df = pd.DataFrame({'name': ['sue', 'jim', 'ted', 'moe'],
                   'team': ['A', 'A', 'B', 'B'], 
                   'fav_food': ['tacos', 'steak', 'tacos', 'steak']})                               

gdf = df.groupby('fav_food')                                                                                                                                           
print_groups(gdf)                                                                                                                                                      

    steak
        name team fav_food
    1  jim    A    steak
    3  moe    B    steak

    tacos
        name team fav_food
    0  sue    A    tacos
    2  ted    B    tacos

fgdf = gdf.apply(lambda g: g[g['team'] == 'A']).reset_index(drop=True).groupby(gdf.grouper.names)                                                                      
print_groups(fgdf)                                                                                                                                                     

    steak
      name team fav_food
    0  jim    A    steak

    tacos
      name team fav_food
    1  sue    A    tacos

Python pandas - 在groupby之后过滤行

4 个答案: