Pandas在每组中找到满足条件的最大值

时间:2016-12-29 00:30:34

标签: python pandas

很抱歉,如果之前有人询问,则无法找到确切的问题。

我正在寻找Pandas中最有效的方法来执行以下操作:

假设我们有下表:

    ID    SUB_ID    COND

1   101     1        1
2   101     2        1
3   101     3        1
4   102     1        1
5   102     2        0
6   103     1        0
7   103     2        0
8   103     3        0
9   103     4        0

基本上,对于每个" ID"我们希望得到最大的" SUB_ID",,因为COND是1 。理想情况下,我们希望将此值作为新列添加到该ID的每一行。如果该ID的行没有满足条件,我们想添加0(而不是null)

产生的数据框将是:

    ID    SUB_ID    COND   MAX_SUB_ID

1   101     1        1         3
2   101     2        1         3
3   101     3        1         3
4   102     1        1         1
5   102     2        0         1
6   103     1        0         0
7   103     2        0         0
8   103     3        0         0
9   103     4        0         0

我现在能想出的最佳方法是仅选择COND = 1的行,然后在此数据帧上执行groupby以获取最大子ID,然后将其连接回主数据帧。在此之后,我可以将空值更改回0.

df_true = df[df['COND']==1]
max_subid_true=df_true['SUB_ID'].groupby(df_true['ID']).max()

joined_df = df.merge(pd.DataFrame(max_subid_true),how='left',left_on='ID',right_index=True)
joined_df.loc[pd.isnull(joined_df['SUB_ID_y']),'SUB_ID_y']=0 

关于这样做的任何想法都不同吗?

1 个答案:

答案 0 :(得分:1)

df.assign(MAX_SUB_ID=df.SUB_ID.mul(df.COND).groupby(df.ID).transform('max'))

    ID  SUB_ID  COND  MAX_SUB_ID
1  101       1     1           3
2  101       2     1           3
3  101       3     1           3
4  102       1     1           1
5  102       2     0           1
6  103       1     0           0
7  103       2     0           0
8  103       3     0           0
9  103       4     0           0

警告

  • 假设SUB_ID始终为正
  • 假设COND始终为10

替代方案(注意力较少)
但不那么有趣

df.assign(MAX_SUB_ID=df.ID.map(df.query('COND == 1').groupby('ID').SUB_ID.max()) \
    .fillna(0).astype(int))