Python “分组方式”仅聚合一列

我有以下形式的数据帧：

>>> sales = pd.DataFrame({'seller_id':list('AAAABBBB'),'buyer_id':list('CCDECDEF'),\
                          'amount':np.random.randint(10,20,size=(8,))})
>>> sales = sales[['seller_id','buyer_id','amount']]
>>> sales
  seller_id buyer_id  amount
0         A        C      18
1         A        C      15
2         A        D      11
3         A        E      12
4         B        C      16
5         B        D      18
6         B        E      16
7         B        F      19

现在，我想做的是计算每个卖家在其最大买家的总销售额中所占的份额。我有这样做的代码，但我必须再次重置索引和分组，这是浪费。一定有更好的办法。我想要一个解决方案，在那里我可以一次聚合一列，并将其他列分组。 以下是我当前的代码：

>>> gr2 = sales.groupby(['buyer_id','seller_id'])
>>> seller_buyer_level = gr2['amount'].sum() # sum over different purchases
>>> seller_buyer_level_reset = seller_buyer_level.reset_index('buyer_id')
>>> gr3 = seller_buyer_level_reset.groupby(seller_buyer_level_reset.index)
>>> result = gr3['amount'].max() / gr3['amount'].sum()

>>> result
seller_id
A    0.589286
B    0.275362

我简化了一点。实际上，我也有一个时间段列，所以我想在卖方和时间段级别进行此操作，这就是为什么在gr3中我按多索引进行分组（在本例中，它显示为单个索引）。

---

我认为会有一个解决方案，我不需要减少和重新分组，只需要从组中聚合一个索引，而将其他索引分组，但在文档或在线中找不到它。有什么想法吗？

这里有一行，但它也会重置索引一次：

sales.groupby(['seller_id','buyer_id']).sum().\
    reset_index(level=1).groupby(level=0).\
    apply(lambda x: x.amount.max()/x.amount.sum())
#seller_id
#A    0.509091
#B    0.316667
#dtype: float64

---

我会使用

pivot\u table

然后进行广播（请参阅）

首先，使用索引中的

卖方id

和列中的

买方id

透视数据：

sales_pivot = sales.pivot_table(index='seller_id', columns='buyer_id', values='amount', aggfunc='sum')

然后，将每行中的值除以所述行的总和：

result = sales_pivot.div(sales_pivot.sum(axis=1), axis=0)

---

最后，您可以调用

result.max（axis=1）

查看每个卖家的最高份额。

谢谢！但这将创建一个大小为n_买家*n_卖家的表格，在这个玩具示例中可能会起作用，但在我的真实数据集中永远无法存储。谢谢！我想问题是groupby（level=0）是否很快，因为它是索引。如果是的话，那么这是一个完美的答案。我为你最初的解决方案和我的解决方案计时。你的速度快了30%。所以，我想，我的不值得。我也计时了。我认为只有“应用”这一行会减慢速度。