Question

我正在寻找以下问题的解决方案：

我有一个pandas数据帧（版本0.12.0），如：

df = pd.DataFrame({
    'Time' : [0.0, 0.0, 0.1, 0.2],
    'Signal_1' : [0, 1, 0, 3],
    'Signal_2' : [1, -1.5, -3, 0],        
    })
>>> print df

   Signal_1  Signal_2  Time
0         0       1.0   0.0
1         1      -1.5   0.0
2         0      -3.0   0.1
3         3       2.0   0.2

现在，我使用groupby来合并具有相同时间戳的行（在本例中为第一行和第二行）。但合并的行应该获得组的绝对最大值。所以，我正在搜索函数absmax（）来获得以下分组数据帧：

>>> df = df.groupby('Time').absmax()
   Signal_1  Signal_2  Time
0         1      -1.5   0.0
1         0      -3.0   0.1
2         3       2.0   0.2

编辑：谢谢; - ）

Answer 1

你真的很接近 - 索引需要idxmax：

df = df.loc[df.groupby('Signal_1')['Time'].idxmax()]
print (df)
   Signal_1  Signal_2  Time
2         0      -3.0   0.1
1         1      -1.5   0.0
3         3       2.0   0.2

或者可能需要：

df = df.loc[df.groupby('Time')['Time'].apply(lambda x: x.abs().idxmax())]
print (df)
   Signal_1  Signal_2  Time
0         0       1.0   0.0
2         0      -3.0   0.1
3         3       2.0   0.2

或者：

df = df.loc[df.groupby('Time')['Time'].idxmax()]
print (df)
   Signal_1  Signal_2  Time
0         0       1.0   0.0
2         0      -3.0   0.1
3         3       2.0   0.2

Answer 2

感谢@jezrael的答案。

上下文是：我想合并（append）两个或更多个具有不同采样时间的数据帧。

df1 = pd.DataFrame({
     'Time' : [0.0, 0.1, 0.2],
     'Signal_1' : [0, 1, 2],        
     })

df2 = pd.DataFrame({
     'Time' : [0.0, 0.1],
     'Signal_2' : [-1.5, -3],        
     })    

df = df1.append([df2], ignore_index=True)
df = df.sort(['Time'])

结果是以下数据帧：

   Signal_1  Signal_2  Time
0         0       NaN   0.0
3       NaN      -1.5   0.0
1         1       NaN   0.1
4       NaN      -3.0   0.1
2         2       NaN   0.2

问题是，df = df.loc[df.groupby('Time')['Time'].idxmax()]获取Signal_1中最大值的索引：

   Signal_1  Signal_2  Time
0         0       NaN   0.0
1         1       NaN   0.1
2         2       NaN   0.2

所需的数据框应如下所示：

   Signal_1  Signal_2  Time
0         0      -1.5   0.0
1         1      -3.0   0.1
2         2       NaN   0.2

请分享您的解决方案： - ）

Python：在数据框中对行进行分组，并使用pandas groupby在组中选择abs max值

2 个答案: