Question

我有以下数据框：

U_ID     Group   Location  Hours  People  Date
149      17      USA       2      2       2014-11-03
149      17      USA       2      1       2014-11-07
149      21      USA       3      2       2014-12-21
149      18      UK        1.5    1       2014-11-14
149      19      Spain     2      4       2014-11-21

我可以使用以下代码段汇总小时数：

def process_hours(hr_df):
    hr_df['Date'] = pd.to_datetime(hr_df['Date'])
    hr_df['Hours'] = pd.to_numeric(hr_df['Hours'])
    hr_df = (vol_df.groupby(['U_ID', 'Group', 'Location', 'People', pd.Grouper(key='Date', freq='MS')])['Hours'].sum().reset_index(level=[0, 1, 2, 3]))

但是，当人数不同时，这会分开：

           U_ID Group Location People  Hours
Date                                        
2014-11-01  149    17      USA      1    2.0
2014-11-01  149    17      USA      2    2.0
2014-11-01  149    18       UK      1    1.5
2014-11-01  149    19    Spain      4    2.0
2014-12-01  149    21      USA      2    3.0

当分组恰好导致以下结果时，我该如何取最大人数：

           U_ID Group Location People  Hours
Date                                        
2014-11-01  149    17      USA      2    4.0
2014-11-01  149    18       UK      1    1.5
2014-11-01  149    19    Spain      4    2.0
2014-12-01  149    21      USA      2    3.0

Answer 1

从石斑鱼中删除“人”，并使用agg指定groupby来另外吸引max个人。

(hr_df.groupby(['U_ID', 'Group', 'Location', pd.Grouper(key='Date', freq='MS')])
      .agg({'Hours' : 'sum', 'People' : 'max'})
      .reset_index()  # Don't hardcode levels here.
      .set_index('Date'))

            U_ID  Group Location  Hours  People
Date                                           
2014-11-01   149     17      USA    4.0       2
2014-11-01   149     18       UK    1.5       1
2014-11-01   149     19    Spain    2.0       4
2014-12-01   149     21      USA    3.0       2

我建议此处不对级别进行硬编码的原因是为了获得更好的可维护性。与reset_index(level=[0, 1, 2]) + reset_index相比，使用set_index的性能更高。但是，例如，如果您决定在石斑鱼中添加另一列，则需要修改reset index调用……这很好而且很花哨。如果您想要更容易维护的代码，请考虑不要对它们进行硬编码。

Answer 2

使用DataFrameGroupBy.agg通过字典中的聚合函数指定列名称：

hr_df = (hr_df.groupby(['U_ID', 'Group', 'Location', pd.Grouper(key='Date', freq='MS')])
              .agg({'Hours':'sum', 'People':'max'})
              .reset_index(level=[0, 1, 2])
              )
print (hr_df)
            U_ID  Group Location  Hours  People
Date                                           
2014-11-01   149     17      USA    4.0       2
2014-11-01   149     18       UK    1.5       1
2014-11-01   149     19    Spain    2.0       4
2014-12-01   149     21      USA    3.0       2

使用pandas Grouper时如何取系列的最大值？

2 个答案: