Python 如何仅更改数据帧中组的最大值

我有以下数据集

Item Count
A    60
A    20
A    21
B    33
B    33
B    32

要复制的代码：

import pandas as pd
df = pd.DataFrame([
    ['A', 60],
    ['A', 20],
    ['A', 21],
    ['B', 33],
    ['B', 33],
    ['B', 32],
], 
    columns=['Item', 'Count'])

假设我只需要通过添加1来更改每组“Item”列的最大值

输出应如下所示：

Item Count New_Count
A    60    61
A    20    20
A    21    21
B    33    34
B    33    34
B    32    32

我尝试了

df['New_Count']=df.groupby（['Item']）['Count'].transform（lambda x:max（x）+1）

但是“Count”中的所有值都被每个组的最大值+1替换

Item Count New_Count
A    60    61
A    20    61
A    21    61
B    33    34
B    33    34
B    32    34

您可以使用获取每个组的最大idx，并仅递增这些项，如下所示：

Item Count New_Count
A    60    61
A    20    20
A    21    21
B    33    34
B    33    34
B    32    32

max_idxs=df.groupby（['Item']）['Count'].idxmax（）
df['New_Count']=df['Count']#复制整个列
df['New_Count'][max_idxs]+=1#仅将每组的最大项目增加1

使用：

这只会增加每个组中第一次出现的最大值。 如果要在平局中增加所有最大值，可以使用。只需将上面的第一行替换为：

idx = df.groupby("Item")["Count"].transform(max) == df["Count"]

---

更改所有最大值中的值​​重复这些步骤，您将需要

.groupby（）

，

.join（）

和

np.where（）

编辑 我们可以用@Dan建议的

.transform（）

替换

.join（）

df['newCount'] = df.groupby('Item')['Count'].transform('max')
df['newCount'] = np.where(df['Count'] != df['newCount'], df['Count'], (df['newCount'] + 1))
#output
    Item    Count   newCount
0   A       60      61
1   A       60      61
2   A       20      20
3   A       21      21
4   B       21      21
5   B       33      33
6   B       34      35

---

还有一种方法不是使用groupby，而是使用重复的

df.loc[~df.sort_values('Count', ascending=False).duplicated('Item'), 'Count'] += 1

输出：

  Item  Count
0    A     61
1    A     20
2    A     21
3    B     34
4    B     33
5    B     32

它可以工作，但是如果有2个或更多相同的最大值，那么它只会更改1个值。您的代码会触发一个错误消息，即设置CopyWarning

@YubrajBhusal我建议在您的问题中添加这样一个案例，以明确要求。您可以使用

transform

为此，请查看我的编辑以了解如何操作。Terry您说得对，我的熊猫有点生疏：P@Dan的答案是完美的，应该接受。@Dan感谢您的建议。我根据要求编辑了它，您可能可以使用它，而无需单独加入。@Dan感谢您的建议伴侣：）

  Item  Count
0    A     61
1    A     20
2    A     21
3    B     34
4    B     33
5    B     32