Python 不删除列的groupby max

您好，我有以下假设的df

df = pd.DataFrame({
'sp' : ['MM1', 'MM1', 'MM1', 'MM2', 'MM2', 'MM2', 'MM4', 'MM4','MM4'],
'mt' : ['S1', 'S1', 'S3', 'S3', 'S4', 'S4', 'S2', 'S2', 'S2'],
'val' : ['a', 'n', 'cb', 'mk', 'bg', 'dgb', 'rd', 'cb', 'uyi'],
'count' : [3,2,5,8,10,1,2,2,7]
})
top =df.groupby(['sp','mt']).agg({'count':'max'})
top

我在不删除val列的情况下按sp和mt进行分组，如何才能做到这一点？其思想是在count为max的位置查找val的值

---

谢谢

您可以使用

GroupBy.idxmax

作为

.loc

idx = df.groupby(['sp', 'mt'])['count'].idxmax()
df.loc[idx.values, :]

    sp  mt  val  count
2  MM1  S3   cb      5
4  MM2  S4   bg     10
8  MM4  S2  uyi      7

选项1-使用

groupby

df['count1'] = df.groupby(['sp','mt'])['count'].transform('max')
df = df[df['count'] == df['count1']].drop('count1',axis=1)

选项2使用

排序

和

删除重复项

df = df.sort_values('count',ascending=False).drop_duplicates(['sp','mt']).sort_index()

两张照片：

    sp  mt  val  count
0  MM1  S1    a      3
2  MM1  S3   cb      5
3  MM2  S3   mk      8
4  MM2  S4   bg     10
8  MM4  S2  uyi      7

---

val有多个值。您的请求只有在您说“在count‘到达’MAXA的位置查找val值时才有效谢谢Aaj的评论，这正是我在这里试图实现的，有什么提示吗？请尝试澄清您的问题。当涉及到groupby、count、max等时，有许多类似的操作。按“count”排序值，然后在sp和mt上删除重复项