Python 熊猫在每一组中找到满足条件的最大值
抱歉,如果以前有人问过这个问题,找不到确切的问题 我正在寻找熊猫中最有效的方法来执行以下操作: 假设我们有下表:Python 熊猫在每一组中找到满足条件的最大值,python,pandas,Python,Pandas,抱歉,如果以前有人问过这个问题,找不到确切的问题 我正在寻找熊猫中最有效的方法来执行以下操作: 假设我们有下表: ID SUB_ID COND 1 101 1 1 2 101 2 1 3 101 3 1 4 102 1 1 5 102 2 0 6 103 1 0 7 103 2 0 8 10
ID SUB_ID COND
1 101 1 1
2 101 2 1
3 101 3 1
4 102 1 1
5 102 2 0
6 103 1 0
7 103 2 0
8 103 3 0
9 103 4 0
基本上,对于每个“ID”,我们希望得到最大的“SUB_ID”,前提是COND为1。理想情况下,我们希望将该值作为新列添加到该ID的每一行。如果该ID的任何一行都不满足条件,我们希望添加一个0(而不是null)
结果数据帧将是:
ID SUB_ID COND MAX_SUB_ID
1 101 1 1 3
2 101 2 1 3
3 101 3 1 3
4 102 1 1 1
5 102 2 0 1
6 103 1 0 0
7 103 2 0 0
8 103 3 0 0
9 103 4 0 0
我现在能想到的最好的方法是只选择COND=1的行,然后在此数据帧上执行groupby以获得max-sub-id,然后将其连接回主数据帧。在此之后,我可以将空值更改回0
df_true = df[df['COND']==1]
max_subid_true=df_true['SUB_ID'].groupby(df_true['ID']).max()
joined_df = df.merge(pd.DataFrame(max_subid_true),how='left',left_on='ID',right_index=True)
joined_df.loc[pd.isnull(joined_df['SUB_ID_y']),'SUB_ID_y']=0
有什么不同的想法吗
df.assign(MAX_SUB_ID=df.SUB_ID.mul(df.COND).groupby(df.ID).transform('max'))
ID SUB_ID COND MAX_SUB_ID
1 101 1 1 3
2 101 2 1 3
3 101 3 1 3
4 102 1 1 1
5 102 2 0 1
6 103 1 0 0
7 103 2 0 0
8 103 3 0 0
9 103 4 0 0
注意事项
- 假设
始终为正SUB_ID
- 假设
始终为COND
或1
0
但没那么有趣
df.assign(MAX_SUB_ID=df.ID.map(df.query('COND == 1').groupby('ID').SUB_ID.max()) \
.fillna(0).astype(int))
很不错的!谢谢