Python 具有多列和最大值的分组依据
我在使用多列和Python 具有多列和最大值的分组依据,python,pandas,dataframe,pandas-groupby,Python,Pandas,Dataframe,Pandas Groupby,我在使用多列和max值的groupby时遇到一些问题 A B C D E F G H x q e m k 2 1 y x q e n l 5 2 y x w e b j 7 3 y x w e v h 3 4 y 此查询是正确的,并返回我想要的内容 SELECT A, B, C, D, E, MAX(F) FROM mytable group by A,
max
值的groupby
时遇到一些问题
A B C D E F G H
x q e m k 2 1 y
x q e n l 5 2 y
x w e b j 7 3 y
x w e v h 3 4 y
此查询是正确的,并返回我想要的内容
SELECT A, B, C, D, E, MAX(F) FROM mytable group by A, B, C
结果
x q e n l 5
x w e b j 7
如何在熊猫身上实现这一点
我试试这个:
df.groupby(['A', 'B', 'C'], as_index=False)['F'].max()
这就是:
SELECT A, B, C, MAX(F) FROM mytable group by A, B, C
这也不起作用
df.groupby(['A', 'B', 'C'], as_index=False)['F','D','E'].max()
如何在sql查询中也返回D、E列?尝试以下方法:
df.groupby(['A', 'B', 'C'], as_index=False).agg({'D': 'first', 'E': 'last', 'F': 'max'})
看来你需要
groups = ['A', 'B', 'C']
selects = ['A', 'B', 'C','D', 'E','F']
df.groupby(groups, as_index=False).apply(lambda s: s.loc[s.F.idxmax(), selects]).reset_index(drop=True)
A B C D E F
0 x q e n l 5
1 x w e b j 7
df.groupby(['A','B','C'])['F'].transform('max')
能给你想要的吗?我建议你贴一个@RafaelC谢谢,添加了一个例子谢谢你的回答,但不幸的是它和sql不一样。熊猫不是sql,所以我不能完全确定你想要什么。