python,pandas:从多索引返回最高值 让我们考虑一个定义为如下的熊猫数据文件: from decimal import Decimal from pandas import Timestamp dic={'volume': {('CSC', Timestamp('2016-08-05 00:00:00'), 'CSCF7'): Decimal('13'), ('CSC', Timestamp('2016-08-05 00:00:00'), 'CSCG7'): Decimal('6'), ('CSC', Timestamp('2016-08-05 00:00:00'), 'CSCH7'): Decimal('12'), ('DA', Timestamp('2016-08-05 00:00:00'), 'DCF7'): Decimal('47'), ('DA', Timestamp('2016-08-05 00:00:00'), 'DCG7'): Decimal('16'), ('DA', Timestamp('2016-08-05 00:00:00'), 'DCH7'): Decimal('27') }} df=pd.DataFrame(dic)
我想对其进行转换,使其返回第三个索引级别的最高值。例如,在当前示例中:python,pandas:从多索引返回最高值 让我们考虑一个定义为如下的熊猫数据文件: from decimal import Decimal from pandas import Timestamp dic={'volume': {('CSC', Timestamp('2016-08-05 00:00:00'), 'CSCF7'): Decimal('13'), ('CSC', Timestamp('2016-08-05 00:00:00'), 'CSCG7'): Decimal('6'), ('CSC', Timestamp('2016-08-05 00:00:00'), 'CSCH7'): Decimal('12'), ('DA', Timestamp('2016-08-05 00:00:00'), 'DCF7'): Decimal('47'), ('DA', Timestamp('2016-08-05 00:00:00'), 'DCG7'): Decimal('16'), ('DA', Timestamp('2016-08-05 00:00:00'), 'DCH7'): Decimal('27') }} df=pd.DataFrame(dic),python,pandas,indexing,multi-index,Python,Pandas,Indexing,Multi Index,我想对其进行转换,使其返回第三个索引级别的最高值。例如,在当前示例中: highest CSC 2016-08-05 CSCF7 DA 2016-08-05 DCF7 有人知道怎么做吗?你可以在级别groupby并使用idxmax In [317]: df.groupby(level=0).idxmax() Out[317]: volume CSC (CSC
highest
CSC 2016-08-05 CSCF7
DA 2016-08-05 DCF7
有人知道怎么做吗?你可以在
级别groupby
并使用idxmax
In [317]: df.groupby(level=0).idxmax()
Out[317]:
volume
CSC (CSC, 2016-08-05 00:00:00, CSCF7)
DA (DA, 2016-08-05 00:00:00, DCF7)
In [318]: df.groupby(level=0).idxmax().volume.apply(pd.Series)
Out[318]:
0 1 2
CSC CSC 2016-08-05 CSCF7
DA DA 2016-08-05 DCF7
或者
或者
非常有趣和工作thx。.apply(pd.Series)
如何工作?这让我有点困惑!
In [338]: df.groupby(level=[0, 1]).volume.idxmax().apply(lambda x: x[-1])
Out[338]:
CSC 2016-08-05 CSCF7
DA 2016-08-05 DCF7
Name: volume, dtype: object
In [341]: df.groupby(level=[0, 1]).volume.idxmax().str[-1]
Out[341]:
CSC 2016-08-05 CSCF7
DA 2016-08-05 DCF7
Name: volume, dtype: object