Python 按多列对数据帧进行分组

我想按多个列对数据帧进行分组。每行有一个整数、一个名称和一个附加的数值。我希望最后的数据帧包括名称具有最高整数的每一行

values = {'Int': [1,1,1,2,2,1],
          'Name': ['Tom', 'Jim', 'Jan','Tom', 'Tom', 'Lucas'],
          'Bill':[0.5,0.2,0.2,0.7, 0.8, 0.2]}

df = pd.DataFrame.from_dict(values)

   Int   Name  Bill
0    1    Tom   0.5
1    1    Jim   0.2
2    1    Jan   0.2
3    2    Tom   0.7
4    2    Tom   0.8
5    1  Lucas   0.2

---

通过对数据帧进行分组，只有第0行应该消失。第3行和第4行仍应包含在数据框中。

IIUC，您可以将每个名称的Int列与max Int进行比较，如下所示：

df[df['Int'] == df.groupby('Name')['Int'].transform('max')]

output:
    Int Name    Bill
1   1   Jim 0.2
2   1   Jan 0.2
3   2   Tom 0.7
4   2   Tom 0.8
5   1   Lucas   0.2

---

IIUC，您可以将每个名称的Int列与max Int进行比较，如下所示：

df[df['Int'] == df.groupby('Name')['Int'].transform('max')]

output:
    Int Name    Bill
1   1   Jim 0.2
2   1   Jan 0.2
3   2   Tom 0.7
4   2   Tom 0.8
5   1   Lucas   0.2

---

在这种特定情况下，由于要返回所有匹配的行，因此应使用

transform

创建布尔掩码（dup中Zelazny7的答案）。其他使用

sort

+

drop_duplicates

或

.idxmax

的方法将最多返回一行，这不是您想要的。上面代码中的df_grouped=df.groupby（'Int'）.agg（lambda x:list（x））.max（）将返回Int列中的max值。建议：参考pandas的方法官方指南/页面。在这种情况下，由于您希望返回所有匹配的行，因此应使用

transform

创建布尔掩码（dup中Zelazny7的答案）。其他使用

sort

+

drop_duplicates

或

.idxmax

的方法将最多返回一行，这不是您想要的。上面代码中的df_grouped=df.groupby（'Int'）.agg（lambda x:list（x））.max（）将返回Int列中的max值。建议：参考熊猫方法官方指南/页面。