从For循环数据帧Python中选择值

如何从任何引用或解决方案的循环中检索到的结果中获取以下csv的最高价格行

import pandas as pd
import numpy as np
df = pd.read_csv('/Users/caleb/ic/US_FINAL.csv',names=['ProductName', 'Year', 'Production', 'Price'])
df.set_index("ProductName",inplace=True)
products=['FortuneCookie']
for product in products:
     print(df.loc[product])

---

你很接近。但是，

df.loc[product]

没有按照您的要求进行操作。您希望找到

df['ProductName']==product

，因此子集由

df.loc[df['ProductName']==product]

给出。其余部分仅确定价格为最大值的行

for product in products:
    print(df.loc[df.Price == df[df.ProductName == product]['Price'].max()])

这里有一个完整的例子，如果你想玩它。如果您想为DATAFRAME中的每一个产品生成这个，您可以考虑使用<代码> DF.EngutNo.UnQuess（）/代码>而不是显式定义列表，因为您不必单独指定每个产品。

import pandas as pd
df = pd.DataFrame({'ProductName': ['Sandwich', 'FortuneCookie', 'FortuneCookie', 'Sandwich'],
             'Year': [2010, 2010, 2011, 2009],
             'Production': [17, 18, 101, 17],
             'Price': [21.11, 17.82, 19.99, 20.13]})

products = df.ProductName.unique()
for product in products:
    print(df.loc[df.Price == df[df.ProductName == product]['Price'].max()])

   Price ProductName  Production  Year
0  21.11    Sandwich          17  2010
   Price    ProductName  Production  Year
2  19.99  FortuneCookie         101  2011

---

你很接近。但是，

df.loc[product]

没有按照您的要求进行操作。您希望找到

df['ProductName']==product

，因此子集由

df.loc[df['ProductName']==product]

给出。其余部分仅确定价格为最大值的行

for product in products:
    print(df.loc[df.Price == df[df.ProductName == product]['Price'].max()])

这里有一个完整的例子，如果你想玩它。如果您想为DATAFRAME中的每一个产品生成这个，您可以考虑使用<代码> DF.EngutNo.UnQuess（）/代码>而不是显式定义列表，因为您不必单独指定每个产品。

import pandas as pd
df = pd.DataFrame({'ProductName': ['Sandwich', 'FortuneCookie', 'FortuneCookie', 'Sandwich'],
             'Year': [2010, 2010, 2011, 2009],
             'Production': [17, 18, 101, 17],
             'Price': [21.11, 17.82, 19.99, 20.13]})

products = df.ProductName.unique()
for product in products:
    print(df.loc[df.Price == df[df.ProductName == product]['Price'].max()])

   Price ProductName  Production  Year
0  21.11    Sandwich          17  2010
   Price    ProductName  Production  Year
2  19.99  FortuneCookie         101  2011

我认为df.idxmax（）函数是最好的选择

所以对你来说是

for product in products:
     temp = df.loc[product]
     print(temp.loc[temp['Price'].idxmax()])

我认为df.idxmax（）函数是最好的选择

所以对你来说是

for product in products:
     temp = df.loc[product]
     print(temp.loc[temp['Price'].idxmax()])

---

我认为一个简单的

groupby

函数可以让您：

# using data from @ALLoLz answer
df = pd.DataFrame({'ProductName': ['Sandwich', 'FortuneCookie', 'FortuneCookie', 'Sandwich'],
             'Year': [2010, 2010, 2011, 2009],
             'Production': [17, 18, 101, 17],
             'Price': [21.11, 17.82, 19.99, 20.13]})

df.groupby('ProductName')['Price'].max()

# alternative
# df.groupby('ProductName').agg({'Price':'max'})

---

我认为一个简单的

groupby

函数可以让您：

# using data from @ALLoLz answer
df = pd.DataFrame({'ProductName': ['Sandwich', 'FortuneCookie', 'FortuneCookie', 'Sandwich'],
             'Year': [2010, 2010, 2011, 2009],
             'Production': [17, 18, 101, 17],
             'Price': [21.11, 17.82, 19.99, 20.13]})

df.groupby('ProductName')['Price'].max()

# alternative
# df.groupby('ProductName').agg({'Price':'max'})

---

你能提供一个你希望得到的数据和结果的小例子吗？我很确定你想要

.idxmax

，但我不确定你到底想要什么。你能提供一个小例子，说明你希望得到的数据和结果吗？我很确定你想要

.idxmax

，但我不确定你到底想要什么来满足需求。谢谢约翰尼·穆迪。符合要求。多谢约翰·穆迪。