Question

我正在尝试通过调用df.groupby('index_column').max()和df.groupby('index_column').min()从这个更大的DataFrame中创建更小的DataFrame，其中index_column是我想要的df列成为新的Min和Max DataFrames的索引。在这些Min和Max DataFrame中，我希望只有2个简单列，一个索引列，另一个列分别只包含Max和Min值。

将上述所有内容放在上下文中，我将使用我所做的例子：

主要DataFrame df在标准输出中如下所示：

In [3]: df
Out[3]: 
         name                                          parameter  cycles  \
0       dfmul  [["scheduler_type", "sdc"], ["max_chain_delay"...     159   
1       dfdiv  [["scheduler_type", "sdc"], ["max_chain_delay"...    1335   
2       mpeg2  [["scheduler_type", "sdc"], ["max_chain_delay"...    1992   
3         aes  [["scheduler_type", "sdc"], ["max_chain_delay"...   5441   
4        mips  [["scheduler_type", "sdc"], ["max_chain_delay"...    4263   
5       dfadd  [["scheduler_type", "sdc"], ["max_chain_delay"...     455   
6       dfsin  [["scheduler_type", "sdc"], ["max_chain_delay"...   39589      
..        ...                                                ...     ...    
403     adpcm  [["scheduler_type", "sdc"], ["max_chain_delay"...   23355   
404     dfadd  [["scheduler_type", "sdc"], ["max_chain_delay"...     599   
405       sha  [["scheduler_type", "sdc"], ["max_chain_delay"...  348417   
406  blowfish  [["scheduler_type", "sdc"], ["max_chain_delay"...  251877   
407      jpeg  [["scheduler_type", "sdc"], ["max_chain_delay"...  766742   

    mem_cycles  build_number  
0         None          1300  
1         None          1300  
2         None          1300  
3         None          1300  
4         None          1300  
..         ...           ...  
401       None          1344  
402       None          1344  
403       None          1344  
404       None          1344  
405       None          1344  
406       None          1344  
407       None          1344  

[408 rows x 5 columns]

In [4]:

当我在max()之后调用min()和groupby('build_number')方法时，我会得到以下数据框，这些数据框包含df中显示的相同列，如下所示：< / p>

In [5]: df.groupby('build_number').max()
Out[5]: 
             name                                          parameter  cycles  \
build_number                                                                   
1300          sha  [["scheduler_type", "sdc"], ["max_chain_delay"...  348417   
1301          sha  [["scheduler_type", "sdc"], ["max_chain_delay"...  348417   
1302          sha  [["scheduler_type", "sdc"], ["max_chain_delay"...  348417   

# And it continues so on, won't list the whole frame

              mem_cycles  
build_number              
1300                 NaN  
1301                 NaN  
1302                 NaN  
# And it continues so on, won't list the whole frame

In [6]:

当我min()时，情况也是如此。

但是，我想要的只是一个只有build_number作为索引列的DataFrame，而cycles只是非索引列。实际上，如果我改为调用mean() groupby方法，那么这种所需的输出格式就是我所获得的。

In [6]: df.groupby('build_number').mean()
Out[6]: 
                     cycles
build_number               
1300           42966.500000
1301           42992.000000
1302           42989.900000
1303           42985.300000

# And it continues so on, won't list the whole frame

In [7]:

所以我的问题是：

当我致电mean()和min()时，如何让我的输出成为我想要的输出（调用max()时的格式？）？ / p>
为什么当我致电mean()时，生成的DataFrame会删除所有其他非数字列，但min()和max()不会消除其他非数字列？

非常感谢你的帮助！

Answer 1

基本上您需要做的是过滤结果与您想要的列，如下所示：

@cwharland指出

编辑，在应用 max（）/ min（）之前过滤周期更有效

df.groupby('build_number')['cycles'].max()

和

df.groupby('build_number')['cycles'].min()

使用 mean（）的原因仅显示cycles列是因为 mean 没有定义来获取的平均值字符串与parameters类似，均值是cycles的平均记录，而 max（）和 min（）只会返回单个记录（最大值/最小值），因此显示该记录中的所有列，是否有意义？

已更新：为了使此更清晰，每个字段中的数字值可以使用均值/最大/最小值操作执行自己的值，并相应地返回值，字符串，但只有最大值/分钟，按字典顺序排序，如'A' < 'C'，'Z' > 'B'等，但它不能执行mean（）操作，因为它不是数字。只有在groupby适用时，所有单个列才会返回自己的最大/最小/平均值。

作为旁注：过滤后的 max（）和 min（）结果更可能是系列比 DataFrame 。

因此，要从结果中获取新的 DataFrame ，您只需执行以下操作：

df_max = pd.DataFrame(df.groupby('build_number')['cycles'].max())
df_min = pd.DataFrame(df.groupby('build_number')['cycles'].min())

我希望这会有所帮助。

尝试从优化的groupby方法中获取所需的DataFrame

1 个答案: