在数据帧熊猫中按最大周期分组的问题

Question

我仍然是python的新手，在尝试对一些数据进行分组以显示具有最高（最大）日期的记录时遇到问题，数据框如下：

...

我正在尝试以下操作：

df_2 = df.max(axis = 0) 
df_2 = df.periodo.max()
df_2 = df.loc[df.groupby('periodo').periodo.idxmax()]

它给了我回报：

Timestamp('2020-06-01 00:00:00')

periodo    2020-06-01 00:00:00
valor                  3.49136 

尽管'periodo'的值是正确的，但对于'valor'则不是，因为我需要获得相应的完整记录（'period'和'value'），而不是每个记录的最大值。我尝试了其他方法，但无法达到想要的目标...

我需要做什么？

在此先感谢您，我将竭诚为您解答！

致谢！

Answer 1

# import packages we need, seed random number generator
import pandas as pd
import datetime
import random
random.seed(1)

---

创建示例数据框

dates = [single_date for single_date in (start_date + datetime.timedelta(n) for n in range(day_count))]
values = [random.randint(1,1000) for _ in dates]
df = pd.DataFrame(zip(dates,values),columns=['dates','values'])

即df将是：

    dates    values
0   2020-01-01  389
1   2020-01-02  808
2   2020-01-03  215
3   2020-01-04  97
4   2020-01-05  500
5   2020-01-06  30
6   2020-01-07  915
7   2020-01-08  856
8   2020-01-09  400
9   2020-01-10  444

---

选择每列中条目数最高的行

您可以这样做：

df[df['dates'] == df['dates'].max()]

（或者，如果要使用idxmax，可以这样做：df.loc[[df['dates'].idxmax()]]）

返回：

    dates   values
9   2020-01-10  444

即这是最新日期的行

＆

df[df['values'] == df['values'].max()]

（或者，如果想再次使用idxmax，可以这样做：df.loc[[df['values'].idxmax()]]-与Scott Boston的answer一样。）

和

    dates   values
6   2020-01-07  915

即这是values列中具有最高值的行。

Reference。

Answer 2

我认为您需要类似的东西

df.loc[[df['valor'].idxmax()]]

在“值”列上使用idxmax的位置。然后使用该索引选择该行。

MVCE：

import pandas as pd
import numpy as np

np.random.seed(123)
df = pd.DataFrame({'periodo':pd.date_range('2018-07-01', periods = 600, freq='d'), 
                  'valor':np.random.random(600)+3})

df.loc[[df['valor'].idxmax()]]

输出：

       periodo     valor
474 2019-10-18  3.998918