Python 查找数据帧中索引的最大值和最新值

在下面的数据frama中，我想用

t

的最大值对应行，将每个用户的

u

的最大值减去

u

的值。所以它应该是21（u-max）-18（t-max的u值）。 数据帧按

['user'，'t']

user  t      u
1     0.0    -1.14
      2.30   2.8
      2.37   9.20
      2.40   21
      2.45   18
2     ...    ...

如果

t

不是索引的一部分，我会使用类似

df.groupby（）.agg（{'u'：'max'}）

和

df.groupby（）.agg（{'t'：'max'}）

，但既然不是，我不知道如何在

t

上使用

agg（）

（编辑）
我发现我可以使用
df.reset_index（level=['t']，inplace=True）
将t更改为列，但现在我意识到如果我使用
df.groupby（['user']）.agg（{“t”：'max'}）
，相应的
u
值将丢失

目标是创建一个包含如下值的新数据框：

user    (U_max - U_tmax) 
1        3
2        ...      

让我们首先用以下代码重新创建一个类似于您的数据帧：

import pandas as pd
import numpy as np

cols =  ['user', 't', 'u']
df  = pd.DataFrame(columns=cols)
size = 10

df['user'] = np.random.randint(1,3, size=size)
df['t'] = np.random.uniform(0.0,3.0, size=size)

df = df.groupby(['user','t']).sum()
df['u'] = np.random.randint(-30,30, size=len(df))

print(df)

输出类似于：

                u
user t           
1    0.545562  19
     0.627296  23
     0.945533 -13
     1.697278 -18
     1.904453 -10
     2.008375   5
     2.296342  -2
2    0.282291  14
     1.461548  -6
     2.594966 -19

x['u'].max()

为了处理此df，我们需要做的第一件事是重置索引，因此：

df = df.reset_index()

现在我们已经返回了所有列，可以使用它们应用最终的
groupby（）
函数

我们可以从按
user
分组开始，这是我们需要的，将
u
和
t
指定为列，这样我们就可以在lambda函数中访问它们

在这个lambda函数中，我们将从
u
的
max
值和
t
的
max
值中减去相应的
u
值

因此，
u
的最大值必须类似于：

                u
user t           
1    0.545562  19
     0.627296  23
     0.945533 -13
     1.697278 -18
     1.904453 -10
     2.008375   5
     2.296342  -2
2    0.282291  14
     1.461548  -6
     2.594966 -19

x['u'].max()

而
t
的
u
的
max
值应该如下所示：

x['u'][x['t'].idxmax()]) 

如您所见，我们找到了
t
最大值的索引，并使用它对
x['u']
进行切片

以下是最后的代码：

df = df.reset_index()

df = df.groupby(['user'])['u', 't'].apply(lambda x: (x['u'].max() - x['u'][x['t'].idxmax()]) )

print(df)

最终输出：

user
1    25
2    33

严重错误检查：

user
1    25
2    33


user 1
的
u
的
max
为23
user 1
的
t
的
max
为
2.296342
，相应的
u
为-2

23-（-2）
=25


user 2
的
u
的
max
为14
user 2
的
t
的
max
为
2.594966
，相应的
u
为-19

14-（-19）
=33

额外提示：如果要重命名从
groupby
返回的列，请在groupby操作后使用
reset\u index（）
以及
set\u index（）
：

df = df.reset_index(name='(U_max - U_tmax)').set_index('user')

它将产生：

      (U_max - U_tmax)
user                  
1                   25
2                   33

您能添加所需输出的视觉表示吗？我已经添加了一些额外的信息。我希望输出应该是什么更容易理解一点