使用Python中的Pandas，为每个组选择值最高的行

对于熊猫，对于以下数据集

author1,category1,10.00
author1,category2,15.00
author1,category3,12.00
author2,category1,5.00
author2,category2,6.00
author2,category3,4.00
author2,category4,9.00
author3,category1,7.00
author3,category2,4.00
author3,category3,7.00

我想为每个作者获得最高值

author1,category2,15.00
author2,category4,9.00
author3,category1,7.00
author3,category3,7.00

对不起，我是个笨蛋

import pandas as pd

df = pd.read_csv("in.csv", names=("Author","Cat","Val"))

print(df.groupby(['Author'])['Val'].max())

要获取df，请执行以下操作：

inds = df.groupby(['Author'])['Val'].transform(max) == df['Val']
df = df[inds]
df.reset_index(drop=True, inplace=True)
print(df)
    Author        Cat  Val
0  author1  category2   15
1  author2  category4    9
2  author3  category1    7
3  author3  category3    7

要获取df，请执行以下操作：

inds = df.groupby(['Author'])['Val'].transform(max) == df['Val']
df = df[inds]
df.reset_index(drop=True, inplace=True)
print(df)
    Author        Cat  Val
0  author1  category2   15
1  author2  category4    9
2  author3  category1    7
3  author3  category3    7

---

由于您也想检索category列，所以列val上的标准.agg不会提供您想要的内容。此外，由于author3中有两个值为7，因此@Padraic Cunningham using.max的方法将只返回一个实例，而不是两个实例。您可以定义自定义的应用函数来完成任务

import pandas as pd

# your data, assume columns names are: author, cat, val
# ===============================
print(df)


    author        cat  val
0  author1  category1   10
1  author1  category2   15
2  author1  category3   12
3  author2  category1    5
4  author2  category2    6
5  author2  category3    4
6  author2  category4    9
7  author3  category1    7
8  author3  category2    4
9  author3  category3    7

# processing
# ====================================
def func(group):
    return group.loc[group['val'] == group['val'].max()]

df.groupby('author', as_index=False).apply(func).reset_index(drop=True)


    author        cat  val
0  author1  category2   15
1  author2  category4    9
2  author3  category1    7
3  author3  category3    7    

---

由于您也想检索category列，所以列val上的标准.agg不会提供您想要的内容。此外，由于author3中有两个值为7，因此@Padraic Cunningham using.max的方法将只返回一个实例，而不是两个实例。您可以定义自定义的应用函数来完成任务

import pandas as pd

# your data, assume columns names are: author, cat, val
# ===============================
print(df)


    author        cat  val
0  author1  category1   10
1  author1  category2   15
2  author1  category3   12
3  author2  category1    5
4  author2  category2    6
5  author2  category3    4
6  author2  category4    9
7  author3  category1    7
8  author3  category2    4
9  author3  category3    7

# processing
# ====================================
def func(group):
    return group.loc[group['val'] == group['val'].max()]

df.groupby('author', as_index=False).apply(func).reset_index(drop=True)


    author        cat  val
0  author1  category2   15
1  author2  category4    9
2  author3  category1    7
3  author3  category3    7    

---

非常感谢，这确实有效，但在我看来比李建勋提议的更为神秘：我不明白为什么它能获得df位。非常感谢，这确实有效，但在我看来比李建勋提议的更为神秘：我不明白为什么它能获得df位。谢谢你，李建勋。我需要问一个后续问题，关于如何仅获取作者只有一个最昂贵类别的行。@Mike所说的最昂贵，是指具有最高值的类别吗？如果是这样的话，我认为您只需要从最后一个数据帧中选择author和cat列。我在这里发了另一个问题：谢谢你，李建勋。我需要问一个后续问题，关于如何仅获取作者只有一个最昂贵类别的行。@Mike所说的最昂贵，是指具有最高值的类别吗？如果是这样的话，我认为您只需要从最后一个数据帧中选择author和cat列。我在这里发布了我的另一个问题：