Python 通过在数组列中应用np.maximum.reduce进行分组

我需要对数据帧进行分组，将np.maximum.reduce（使用每个位置的最大值创建一个新数组）应用于包含numpy数组的列

例如：

import pandas as pd
import numpy as np

df = pd.DataFrame([{'name': 'John', 'points' : [1,1,3,5]},{'name': 'John', 'points' : [2,0,1,5]},{'name': 'John', 'points' : [4,1,2,2]}])
df['points'] = df['points'].apply(lambda x : np.array(x)) # converting the list column to pd.array()

df
   name        points
0  John  [1, 1, 3, 5]
1  John  [2, 0, 1, 5]
2  John  [4, 1, 2, 2]

如果我尝试使用apply（np.max），我会得到以下错误：

result = df.groupby(['name'])['points'].apply(np.maximum.reduce).reset_index()

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

分组后的预期结果：

   name         points
0  John  [4, 1, 3, 5]

---

如果我尝试使用np.sum（），groupby可以正常工作：

result = df.groupby(['name'])['points'].apply(np.sum).reset_index()

result
   name         points
0  John  [7, 2, 6, 12]

但我需要应用np.max.reduce函数：

a = np.array([1,1,3,5])
b = np.array([2,0,1,5])
c = np.array([4,1,2,2])
test = np.maximum.reduce([a,b,c])

test
array([4, 1, 3, 5])

---

使用数组的numpy效率实现此groupby（类似于maximum.reduce）的解决方法是什么？

如果要使用

np.maximum.reduce

，请首先对分组值应用

list

df.groupby('name')['points'].apply(lambda x: np.maximum.reduce(list(x)))

---

替代方法：让我们尝试使用

np.stack

和

np.max

df.groupby('name')['points'].apply(lambda x: np.stack(x).max(0))

---

---

如果要使用

np.maximum.reduce

则首先对分组值应用

list

df.groupby('name')['points'].apply(lambda x: np.maximum.reduce(list(x)))

---

替代方法：让我们尝试使用

np.stack

和

np.max

df.groupby('name')['points'].apply(lambda x: np.stack(x).max(0))

---

---

更新了我的答案，使用了

np.maximum.reduce

和另一种方法。如果不了解更多关于这个问题的信息，很难说，但是可能值得将点列分为四个不同的列？使用

np.maximum.reduce

更新了我的答案，并使用了另一种方法。如果不了解更多关于这个问题的信息，很难说，但可能值得将点列分为四个不同的列？效果很好！非常感谢你！（我以为我以前试过这个，显然我没有。哈哈）很高兴随时帮忙，效果很好！非常感谢你！（我以为我以前试过这个，显然我没有。哈哈）很乐意随时帮忙