Question

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。

Answer 1

因为＆＃39;价值＆＃39;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

Answer 2

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。

熊猫：查找具有第二高值

2 个答案: