从多个分组数据熊猫中获取最大值

Question

我在一个循环中，它给我一个groupby输出，如下所示 df.groupby(['grp1','grp2'])['mycol'].sum()

基本上我得到了我的分组元素的总和。

grp1  grp2 
A     1    10 
B     1    20
C     2    30 
D     3    40 
E     4    50 
      1    60 

现在在下一次迭代中，我可能会得到一个如下所示的分组df

grp1  grp2 
A     1    20 
D     3    40 
E     4    30 
      1    90 
F     1    40

我想从每次迭代中取max。 所以在第二次迭代之后，我有一个像

这样的输出

grp1  grp2 
A     1    20 #because 20 was higher than 10
B     1    20 #carried as it is
C     2    30 #carried as it is
D     3    40 #carried as it is (both were equal)
E     4    30 #because 90+30 >50+60
      1    90 
F     1    40 #added

所以最后我说在5次迭代期间哪个组达到了峰值。 这听起来很直接（跟踪到目前为止看到的最大值），但我没有得到如何处理这个问题。 我尝试做df.groupby(['grp1','grp2'])['mycol'].sum().to_dict()并做一些事情，比如在读取新的df时更新dict。 （只是一个尝试，不知道如何更新dict）或者可能有一个简单的pandas and np解决方案我还不知道。

Answer 1

你可以再次使用groupby！ ： - ）

1. 连接结果（pd.concat），
2. 按索引分组（pd.Series.groupby, see level param），
3. 与.max()
汇总

代码中显示：

res = pd.concat(list_of_iteration_results)
res = res.groupby(level=['grp1', 'grp2']).max()