Python 基于变量值查找数据帧中的最大值

我有一个如下形式的数据框：

A| B| C | D
a| x| r | 1
a| x| s | 2
a| y| r | 1
b| w| t | 4
b| z| v | 2

我希望能够返回如下内容（显示唯一值和频率）

目前，我可以快速计算结果数据帧的3列以外的所有内容

df = (df.groupby('A', sort=False)['B']
    .apply(lambda x: x.value_counts().head(1))
    .reset_index()

但是为了计算2列（“根据B列中最常见的值计算D列的最大值”），我写了一个for循环，它对于很多数据来说都很慢。 有捷径吗

该问题链接到：

使用“按最大值获取行数”

D

按以下方式分组：

---

考虑分3个步骤执行此操作：

查找最常见的B（如代码中所示）：

df2=（df.groupby（'A'，sort=False）['B']）。应用（lambda x:x.value_counts（）.head（1））。重置_index（）

为A和B的每个组合构建最大D的数据帧

df3=df.groupby（['A'，'B']）.agg（{'D'：max}）.reset_index（）

合并2个数据帧以查找与先前选择的A-B对匹配的最大Ds

df2.merge（df3，左上=['A'，'level\u 1']，右上=['A'，'B']）

结果数据框中的D列将是您所需要的

   A level_1  B_x B_y  D
0  a       x    2   x  2
1  b       w    1   w  4

在loc（）中很好地使用了idxmax（）。我喜欢这个解决方案！

df1 = (df.groupby('A', sort=False)['B']
        .apply(lambda x: x.value_counts().head(1))
        .reset_index()
        .rename(columns={'level_1':'E'}))
#print (df1)

df = df1.merge(df, left_on=['A','E'], right_on=['A','B'], suffixes=('','_'))
df = df.loc[df.groupby('A')['D'].idxmax(), ['A','B','D','E']]
print (df)
   A  B  D  E
1  a  2  2  x
2  b  1  4  w

   A level_1  B_x B_y  D
0  a       x    2   x  2
1  b       w    1   w  4