Python 熊猫数据帧：如何在groupby上分组？

我试图概括我所问的问题

mlb

数据帧看起来像

    Player             Position          Salary     Year
0   Mike Witt          Pitcher           1400000    1988
1   George Hendrick    Outfielder        989333     1988
2   Chili Davis        Outfielder        950000     1988
3   Brian Downing      Designated Hitter 900000     1988
4   Bob Boone          Catcher           883000     1988
5   Bob Boone          Catcher           883000     1989
6   Frank Smith        Catcher           993000     1988
7   Frank Smith        Pitcher           1300000    1989

请注意，同一玩家可能会在不同年份多次上市。 我正在努力寻找每个职位总工资最高的球员。 输出应该类似于：

    Position           Player            Salary    
 0  Pitcher            Mike Witt         1400000
 1  Outfielder         George Hendrick   989333
 2  Brian Downing      Designated Hitter 900000
 3  Catcher            Bob Boone         1766000

我想我需要做一些事情，比如按位置分组，然后按球员分组，然后对每个球员求和，找到最大值。但我做这件事有困难

---

一旦我做了

positions=mlb.groupby（“Position”）

我就很难做下一步了。我认为一个嵌套的groupby播放器是必要的，但我不知道如何进行。

这很混乱，但可以完成任务

df = pd.DataFrame({'Player':['Mike Witt','George Hendrick','Chili Davis','Brian Downing','Bob Boone','Bob Boone'],
                'Position':['Pitcher','Outfielder','Outfielder','Designated Hitter','Catcher','Catcher'],
                'Salary':[1400000,989333, 950000,900000,883000,900000],
                'Year':[1988,1988,1988,1988,1988,1988]})

gp = df.groupby(['Player','Position']).sum()['Salary'].to_frame().reset_index()
gp.sort('Salary',ascending=False).drop_duplicates('Position')

或

正如@dawg所提到的，这将本质上把拥有多个职位的球员视为不同的球员，因此他们每个职位的工资如下所示

            Player           Position   Salary
0        Bob Boone            Catcher  1783000
4        Mike Witt            Pitcher  1400000
3  George Hendrick         Outfielder   989333
1    Brian Downing  Designated Hitter   900000

试试这个

import numpy as np
g = df.groupby(['Position', 'Player']).aggregate({'Salary': sum, 'Player': lambda y: np.unique(y)})
print g.max(level=['Position'])

---

这并没有考虑到同一个玩家可能在不同年份多次上市的事实。我想要的是他们的总收入，而不是一年内的最高工资。这似乎是可行的，但似乎很混乱。我想知道是否有更干净的方法。我只是想把这当作一个练习，因为这似乎是一个经常出现的问题。如果没有一个更干净的解决方案使用

aggregate

或其他东西，我会感到惊讶。如果它在两个不同的年份名称相同但位置不同呢？我不担心这一点。处于两个位置的同一名球员只能代表两名不同的球员。请提供测试数据，测试您尝试做的所有事情——可能是所有投手，但不同年份的不同收入有不同的总和。这似乎是将球员姓名串联在一起，因为聚合（{'Salary'：sum，'player'：sum}）。但是如果我删除了

“球员”：sum

，那么球员的名字就丢失了。编辑了答案，但没有那么干净。工资总额看起来是正确的，但我不认为它产生了正确的球员名字。弗兰克·史密斯真的毁了一切

import numpy as np
g = df.groupby(['Position', 'Player']).aggregate({'Salary': sum, 'Player': lambda y: np.unique(y)})
print g.max(level=['Position'])