Python Groupby返回最大值的整行

如何获取groupby relsult的完整数据行

df
   a   b   c  d   e
0  a  25  12  1  20
1  a  15   1  1   1
2  b  12   1  1   1
3  n  25   2  3   3

In [4]: df = pd.read_clipboard()

In [5]: df.groupby('a')['b'].max()
Out[5]: 
a
a    25
b    12
n    25
Name: b, dtype: int64

这辆车怎么排得满满的

a   b   c  d   e
a  25  12  1  20
b  12   1  1   1
n  25   2  3   3

我尝试过过滤，但大小不同：(

原始数据：

0          1       2        3     4        5     6      7       8    9   
EVE00101  Trial  DRY RUN  PASS  1610071  1610071  Y  20140808  NaN  29   

10        11                12           13                 14  
FF1  ./ff1.sh  Event Validation  Hive Tables  2015-11-30 9:40:34 

---

Groupby（[1,7]）[14].max（）

给出了结果，但在以1和7作为索引的分组序列中，我需要相应的列。它是15000行数据，提供了一行示例我将使用覆盖“b”列，然后使用以下方法删除重复的“a”行：

您可以使用

argmax（）

：

---

这样，即使

b

不是最大的列，它也能工作。

因为您只选择了列“b”。是的，我只想按

'b'

分组，您必须提供数据以便我可以复制，一种可能是您有

NaN

值，

transform

被设计为返回与原始df对齐的序列，不清楚它如何生成比原始dfHi感谢EdChum更多的行，但是我得到了这个错误

长度不匹配：预期的axis有14793个元素，新值有15279个元素

，在我的实际数据中，原因是什么？它并不总是返回出现最大值的行？如果尝试

df，它会起作用吗['b']=df.groupby（'a'）['b'].transform（pd.Series.max）

？不用担心，我认为博维尔上校的答案在语义上是正确且更简单的方法

In [331]:
df['b'] = df.groupby('a')['b'].transform('max')
df

Out[331]:
   a   b   c  d   e
0  a  25  12  1  20
1  a  25   1  1   1
2  b  12   1  1   1
3  n  25   2  3   3

In [332]:    
df.drop_duplicates('a')

Out[332]:
   a   b   c  d   e
0  a  25  12  1  20
2  b  12   1  1   1
3  n  25   2  3   3

In [287]: df.groupby('a', as_index=False).apply(lambda x: x.loc[x.b.argmax(),])
Out[287]:
   a   b   c  d   e
0  a  25  12  1  20
1  b  12   1  1   1
2  n  25   2  3   3