Python Pandas groupby forloop&；Idxmax

我有一个数据帧，必须在三个级别上分组，然后返回最高值。每一天都有一个独特的价值回报，我想找到最高的回报和细节

data.groupby(['Company','Product','Industry'])['ROI'].idxmax()

回报将表明：

Target   - Dish Soap - House       had a 5% ROI on 9/17
Best Buy - CDs       - Electronics had a 3% ROI on 9/3

是最高的

以下是一些示例数据：

+----------+-----------+-------------+---------+-----+
| Industry | Product   | Industry    | Date    | ROI |
+----------+-----------+-------------+---------+-----+
| Target   | Dish Soap | House       | 9/17/13 | 5%  |
| Target   | Dish Soap | House       | 9/16/13 | 2%  |
| BestBuy  | CDs       | Electronics | 9/1/13  | 1%  |
| BestBuy  | CDs       | Electroincs | 9/3/13  | 3%  |
| ...

---

不确定这是for循环还是使用.ix.

我想，如果我理解正确，您可以使用

groupby

和

idxmax（）

收集一系列索引值，然后使用

loc

从

df

中选择这些行：

idx =  data.groupby(['Company','Product','Industry'])['ROI'].idxmax()
data.loc[idx]

另一个选项是使用

reindex

：

data.reindex(idx)

在我手头碰巧有一个（不同的）数据帧上，似乎

reindex

可能是更快的选项：

In [39]: %timeit df.reindex(idx)
10000 loops, best of 3: 121 us per loop

In [40]: %timeit df.loc[idx]
10000 loops, best of 3: 147 us per loop

---

我想，如果我理解正确，您可以使用

groupby

和

idxmax（）

收集一系列索引值，然后使用

loc

从

df

中选择这些行：

idx =  data.groupby(['Company','Product','Industry'])['ROI'].idxmax()
data.loc[idx]

另一个选项是使用

reindex

：

data.reindex(idx)

在我手头碰巧有一个（不同的）数据帧上，似乎

reindex

可能是更快的选项：

In [39]: %timeit df.reindex(idx)
10000 loops, best of 3: 121 us per loop

In [40]: %timeit df.loc[idx]
10000 loops, best of 3: 147 us per loop

---

如果max（和朋友们）在groupby和df中都接受了一个密钥，那就太酷了。这可能会更快…是的，我希望

NumPy

有一个

key

参数用于

max

和

sort

！（不过，正如您所说，它可能没有包括在内，因为为NumPy数组或数据帧的每个元素调用Python函数会严重阻碍速度。）我认为这应该是

data.loc

而不是

data.iloc

。至少这对我是有效的。@Sachin_-ruk：非常感谢你的更正。事实上，它应该是

data.loc

，因为

idxmax

返回标签，而不是索引位置。如果max（和friends）在groupby和df中都接受一个键，那就太酷了。这可能会更快…是的，我希望

NumPy

有一个

key

参数用于

max

和

sort

！（不过，正如您所说，它可能没有包括在内，因为为NumPy数组或数据帧的每个元素调用Python函数会严重阻碍速度。）我认为这应该是

data.loc

而不是

data.iloc

。至少这对我是有效的。@Sachin_-ruk：非常感谢你的更正。实际上，它应该是

data.loc

，因为

idxmax

返回标签，而不是索引位置。