Python：运行另一列的最大值？

我有一个这样的数据框，它随时间跟踪某些项目（ID）的值：

mytime=np.tile( np.arange(0,10) , 2 )
myids=np.repeat( [123,456], [10,10] )
myvalues=np.random.random_integers(20,30,10*2)

df=pd.DataFrame()
df['myids']=myids
df['mytime']=mytime
df['myvalues']=myvalues



+-------+--------+----------+--+--+
| myids | mytime | myvalues |  |  |
+-------+--------+----------+--+--+
| 123   | 0      | 29       |  |  |
+-------+--------+----------+--+--+
| 123   | 1      | 23       |  |  |
+-------+--------+----------+--+--+
| 123   | 2      | 26       |  |  |
+-------+--------+----------+--+--+
| 123   | 3      | 24       |  |  |
+-------+--------+----------+--+--+
| 123   | 4      | 25       |  |  |
+-------+--------+----------+--+--+
| 123   | 5      | 29       |  |  |
+-------+--------+----------+--+--+
| 123   | 6      | 28       |  |  |
+-------+--------+----------+--+--+
| 123   | 7      | 21       |  |  |
+-------+--------+----------+--+--+
| 123   | 8      | 20       |  |  |
+-------+--------+----------+--+--+
| 123   | 9      | 26       |  |  |
+-------+--------+----------+--+--+
| 456   | 0      | 26       |  |  |
+-------+--------+----------+--+--+
| 456   | 1      | 24       |  |  |
+-------+--------+----------+--+--+
| 456   | 2      | 20       |  |  |
+-------+--------+----------+--+--+
| 456   | 3      | 26       |  |  |
+-------+--------+----------+--+--+
| 456   | 4      | 29       |  |  |
+-------+--------+----------+--+--+
| 456   | 5      | 29       |  |  |
+-------+--------+----------+--+--+
| 456   | 6      | 24       |  |  |
+-------+--------+----------+--+--+
| 456   | 7      | 21       |  |  |
+-------+--------+----------+--+--+
| 456   | 8      | 27       |  |  |
+-------+--------+----------+--+--+
| 456   | 9      | 29       |  |  |
+-------+--------+----------+--+--+

我需要计算每个id的运行最大值

np.maximum.accumulate()

将计算运行的最大值，而不考虑id，而我需要类似的计算，但每次id更改时都会重置。我可以想出一个简单的脚本在numba中实现它（我有非常大的数组，非矢量化的非numba代码会很慢），但是有更简单的方法吗

仅使用两个值，我就可以运行：

df['running max']= np.hstack((  np.maximum.accumulate(df[ df['myids']==123 ]['myvalues']) , np.maximum.accumulate(df[ df['myids']==456 ]['myvalues']) )  )

但这是不可行的，因为有很多很多价值观

---

谢谢

看来确实不太难

byid = df.groupby('myid')
rmax = byid['myvalues].cummax()
for k, indices in byid.indices.items():
    print 'myid = %s' % k
    print 'running max = %s' % rmax[indices]

我以前（几乎）没有熊猫，但使用

ipython

作为探索工具，我能够找到解决方案。我建议使用

ipython

来探索大型复杂的库

---

p、 关于我之前的评论：不需要axis=

这似乎确实不太难

byid = df.groupby('myid')
rmax = byid['myvalues].cummax()
for k, indices in byid.indices.items():
    print 'myid = %s' % k
    print 'running max = %s' % rmax[indices]

我以前（几乎）没有熊猫，但使用

ipython

作为探索工具，我能够找到解决方案。我建议使用

ipython

来探索大型复杂的库

---

p、 这是我之前的评论：不需要axis=

给你。假设我的时间已排序

mytime=np.tile( np.arange(0,10) , 2 )
myids=np.repeat( [123,456], [10,10] )
myvalues=np.random.random_integers(20,30,10*2)

df=pd.DataFrame()
df['myids']=myids
df['mytime']=mytime
df['myvalues']=myvalues

groups = df.groupby('myids')
df['run_max_group'] = groups['myvalues'].transform(np.maximum.accumulate)

输出

    myids  mytime  myvalues  run_max_group
0     123       0        27             27
1     123       1        21             27
2     123       2        24             27
3     123       3        25             27
4     123       4        22             27
5     123       5        20             27
6     123       6        20             27
7     123       7        30             30
8     123       8        24             30
9     123       9        22             30
10    456       0        29             29
11    456       1        23             29
12    456       2        30             30
13    456       3        28             30
14    456       4        26             30
15    456       5        25             30
16    456       6        28             30
17    456       7        27             30
18    456       8        20             30
19    456       9        24             30

---

给你。假设我的时间已排序

mytime=np.tile( np.arange(0,10) , 2 )
myids=np.repeat( [123,456], [10,10] )
myvalues=np.random.random_integers(20,30,10*2)

df=pd.DataFrame()
df['myids']=myids
df['mytime']=mytime
df['myvalues']=myvalues

groups = df.groupby('myids')
df['run_max_group'] = groups['myvalues'].transform(np.maximum.accumulate)

输出

    myids  mytime  myvalues  run_max_group
0     123       0        27             27
1     123       1        21             27
2     123       2        24             27
3     123       3        25             27
4     123       4        22             27
5     123       5        20             27
6     123       6        20             27
7     123       7        30             30
8     123       8        24             30
9     123       9        22             30
10    456       0        29             29
11    456       1        23             29
12    456       2        30             30
13    456       3        28             30
14    456       4        26             30
15    456       5        25             30
16    456       6        28             30
17    456       7        27             30
18    456       8        20             30
19    456       9        24             30

---

-你可以写并接受你自己的答案…我按MyID分组，那么，具体是什么？我确信这只是因为我太胖了，但我来自SQL背景，我真的很难了解pandas（而且，糟糕的文档也没有帮助）.

df.groupby（'myid'）['myvalues'].cummax（）

非常接近，但我不知道如何进一步

.cummax（）

接受一个

axis=

参数，但作为一个参数。我不知道如何使用它（无论如何，它不完全是numpy

axis=

）-您可以编写并接受自己的答案…我按MyID分组，那么，具体是什么？我确信这只是因为我太胖了，但我来自SQL背景，我真的很难了解pandas（而且，糟糕的文档也没有帮助）.

df.groupby（'myid'）['myvalues'].cummax（）

非常接近，但我不知道如何进一步

.cummax（）

接受一个

axis=

参数，但作为一个参数。我不知道如何使用它（无论如何，它不完全是一个numpy

axis=

），transform（）在任何地方都有文档记录吗？这个链接：没有显示任何内容。这是另一个链接：说了些什么，但不是一句话。我不熟悉文档。我可以试着解释一下。。。如果您知道聚合函数是如何工作的，那么您就知道转换是如何工作的。它只是从聚合中扩展结果值以匹配组的大小。假设a组的值为[1,2,3]，b组的值为[3,4,5]。如果我做groups.aggregate（max），我将得到a=3和b=5。groups.transform将给我a=[3,3,3]和b=[5,5,5]。这使得修改或添加现有数据帧变得更加容易。transform（）是否在任何地方都有文档记录？这个链接：没有显示任何内容。这是另一个链接：说了些什么，但不是一句话。我不熟悉文档。我可以试着解释一下。。。如果您知道聚合函数是如何工作的，那么您就知道转换是如何工作的。它只是从聚合中扩展结果值以匹配组的大小。假设a组的值为[1,2,3]，b组的值为[3,4,5]。如果我做groups.aggregate（max），我将得到a=3和b=5。groups.transform将给我a=[3,3,3]和b=[5,5,5]。这使得修改或添加现有数据帧变得更加容易。