Python 使用groupby和filter函数使用多个条件比较两个数据帧

我有两个数据帧，每个数据帧包含数据值和月份（这些是相关列）。第二个数据帧还包含元素列下列出的TMIN（最小）和TMAX（最大）值

第一个数据框有12个条目，显示2005-2014年间某个月内发生的最高温度。我们称之为df_max

第二个数据框显示了2014年截止日期之后发生的温度。我们称之为df_2

我想创建第三个数据框，显示df2中的温度超过按月份分组的df_max中的温度

这些是df_max中的值

        Data_Value
Month   
1.0   217.0
2.0   194.0
3.0   317.0
4.0   306.0
5.0   367.0
6.0   406.0
7.0   406.0
8.0   372.0
9.0   372.0
10.0    328.0
11.0    256.0
12.0    194.0

以下是df2中的一些值：

ID  Date    Element Data_Value  Month
19  USC00205563 2015-01-03  TMIN    -39 1
30  USC00203712 2015-03-17  TMAX    800 3
34  USC00200032 2015-06-06  TMIN    128 6
46  USW00014833 2015-08-30  TMIN    178 8
50  USC00202308 2015-08-30  TMIN    156 8
51  USC00205563 2015-01-03  TMAX    22  1
59  USC00202308 2015-08-30  TMAX    600 8
72  USC00200230 2015-04-01  TMIN    -17 4
126 USC00200032 2015-06-06  TMAX    233 6
139 USW00014853 2015-05-17  TMIN    183 5
146 USC00208972 2015-04-09  TMAX    67  4
155 USC00205050 2015-01-05  TMIN    -139    1
157 USC00200230 2015-04-01  TMAX    183 4
170 USC00203712 2015-03-17  TMIN    11  3
179 USC00208972 2015-05-27  TMAX    500 5

我认为我应该首先根据TMAX温度和月份将元素值归零，然后过滤这些值，只关注那些大于df_max中每个月最大值的值。这是我的代码：

df3 = df2[df2['Element'] =='TMAX'].groupby[('Month')('Data_Value')].filter(lambda x: x > df_max['Data_Value'])

这将返回错误消息“TypeError:“str”对象不可调用”

期望的结果

因此，我期望的结果是：例如，假设df2在第2个月下有3行，它们的值分别为800、400和150。ii）第5个月下的4行，值为100、500、700、300和100

新的数据帧（df3）将：； i、 ）包含第800行和第400行，因为它们超过了第2个月对应的df_max中的194最大值。
ii.）包含第500行和第700行，因为它们超过了第5个月对应的df_max中的367值

更新 为了找到df2中可能超过df_max中每个月最大值的所有值，我决定使用groupby和NLAGEST根据假设（基于观察数据集）确定每个月的前3个温度在df_max中，只有前3个会超过每月的最大值。但问题是输出是pd.series格式的，我不确定如何将每个月的值与df_max数据帧中的值进行比较

这是我写的代码

df3 = df2[df2['Element'] =='TMAX'].groupby("Month")["Data_Value"].nlargest(3)

#find values in df3 that exceed the maximum temperatures in df_max for each month in the year
df3_max = df3[df3.Data_Value >= df_max.Data_Value]

---

但是，我收到了错误消息：AttributeError:“Series”对象没有属性“Data\u Value”

这是否符合您的要求

df3 = df1.merge(df2.groupby('Month').agg({'Data_Value':'max'}).reset_index(), 
                on = 'Month', how='inner')
df3[df3.Data_Value_x > df3.Data_Value_y]

   Month  Data_Value_x  Data_Value_y
0     1         217.0            22
2     4         306.0           183
4     6         406.0           233

---

我想，这就是你想要的

df3 = df2[df2['Element'] =='TMAX'].groupby("Month").max()
df3 = df3[df3.Data_value == df_max.Data_Value.max()]

---

我认为，代码是自解释的代码。

.groupby[（'Month'）（'Data\u Value'）]

不是好语法。也许可以改为

.groupby['Month'，'Data_Value']

？是的，它毕竟效率很低，thx for Suggestion如果我错了请纠正我，但这不会找到每月df2值的最大值，并且只返回大于df_min Month等效值的值吗？可能我的问题措辞错误，因为我试图找到第2个月（df2）中低于df_min第2个月值的值，并将这些值添加到df3（所有12个月）中。请分享您示例的预期输出？这样就容易多了，不确定这是否有用，但例如，假设df2在第2个月下有i.）3行，它们的值分别为800、400和150。ii）第5个月下的4行，值为100、500、700、300和100。df3将包含值800和400（因为它们超过了df_max中的194个最大值）和（500和700），因为它们超过了df_max中的367个值。希望这有帮助吗？谢谢，但例如，我正在尝试查找第2个月（df2）中低于df_min第2个月值的所有值…我希望在所有12个月内都这样做-