我正在尝试在执行groupby之后获取具有第二高值的行的索引但是我没有得到正确的结果
df = pd.DataFrame({'Sp':['a','b','c','d','e','f'], 'Mt':['s1', 's1', 's2','s2','s2','s3'], 'Value':[1,2,3,4,5,6], 'count':[3,2,5,10,10,6]})
这样做
df.iloc[df.groupby(['Mt'])['Value'].apply(lambda x: (x!=max(x)).idxmax())]
正在返回
Mt Sp Value count
0 s1 a 1 3
2 s2 c 3 5
5 s3 f 6 6
对于组s2,应返回原始数据帧的索引3。
答案 0 :(得分:3)
因为'价值'已排序,您可以使用nth
:
In [11]: g = df.groupby("Mt", as_index=False)
In [12]: g.nth(-2)
Out[12]:
Mt Sp Value count
0 s1 a 1 3
3 s2 d 4 10
否则,我首先按值df = df.sort_values("Value")
排序。
如果你想要最后一个(如果给定组中少于两个),你也可以抓住它
In [21]: g = df.groupby("Mt")
In [22]: res = g.nth(-1)
In [23]: res.update(g.nth(-2))
In [24]: res
Out[24]:
Sp Value count
Mt
s1 a 1 3
s2 d 4 10
s3 f 6 6
相关函数是tail
(以获取最后两个元素):
In [31]: g.tail(2)
Out[31]:
Mt Sp Value count
0 s1 a 1 3
1 s1 b 2 2
3 s2 d 4 10
4 s2 e 5 10
5 s3 f 6 6
答案 1 :(得分:0)
好的,除了一件事,我得到了答案。这段代码似乎有用
df.iloc[df.groupby(['Mt'])['Value'].apply(lambda x: (x!=max(x)).order(ascending=False).head(1).index[0])]
我现在唯一不理解的是,即使只有一行组,也只返回该行。我当时认为可能x!=max(x)
检查会排除该行。