pandas获取groupby分组里最大值所在的行方法 pandas获取groupby分组里最大值所在的行方法 如下面这个DataFrame,按照Mt分组，取出Count最大的那行 import pandas as pd df = pd.DataFrame({'Sp':['a','b','c','d','e','f'], 'Mt':['s1', 's1', 's2','s2','s2','s3'], 'Value':[1,2,3,4,5,6], 'Count':[3,2,5,10,10,6]}) df Count Mt Sp Value 0 3 s1 a 1 1 2 s1 b 2 2 5 s2 c 3 3 10 s2 d 4 4 10 s2 e 5 5 6 s3 f 6 方法1：在分组中过滤出Count最大的行 df.groupby('Mt').apply(lambda t: t[t.Count==t.Count.max()]) Count Mt Sp Value Mt s1 0 3 s1 a 1 s2 3 10 s2 d 4 4 10 s2 e 5 s3 5 6 s3 f 6 方法2：用transform获取原dataframe的index，然后过滤出需要的行 print df.groupby(['Mt'])['Count'].agg(max) idx=df.groupby(['Mt'])['Count'].transform(max) print idx idx1 = idx == df['Count'] print idx1 df[idx1] Mt s1 3 s2 10 s3 6 Name: Count, dtype: int64 0 3 1 3 2 10 3 10 4 10 5 6 dtype: int64 0 True 1 False 2 False 3 True 4 True 5 True dtype: bool Count Mt Sp Value 0 3 s1 a 1 3 10 s2 d 4 4 10 s2 e 5 5 6 s3 f 6 上面的方法都有个问题是3、4行的值都是最大值，这样返回了多行，如果只要返回一行呢？ 方法3：idmax（旧版本pandas是argmax） idx = df.groupby('Mt')['Count'].idxmax() print idx df.iloc[idx] Mt s1 0 s2 3 s3 5 Name: Count, dtype: int64 Count Mt Sp Value 0 3 s1 a 1 3 10 s2 d 4 5 6 s3 f 6 df.iloc[df.groupby(['Mt']).apply(lambda x: x['Count'].idxmax())] Count Mt Sp Value 0 3 s1 a 1 3 10 s2 d 4 5 6 s3 f 6 def using_apply(df): return (df.groupby('Mt').apply(lambda subf: subf['Value'][subf['Count'].idxmax()])) def using_idxmax_loc(df): idx = df.groupby('Mt')['Count'].idxmax() return df.loc[idx, ['Mt', 'Value']] print using_apply(df) using_idxmax_loc(df) Mt s1 1 s2 4 s3 6 dtype: int64 Mt Value 0 s1 1 3 s2 4 5 s3 6 方法4:先排好序，然后每组取第一个 df.sort('Count', ascending=False).groupby('Mt', as_index=False).first() Mt Count Sp Value 0 s1 3 a 1 1 s2 10 d 4 2 s3 6 f 6 那问题又来了，如果不是要取出最大值所在的行，比如要中间值所在的那行呢？ 思路还是类似，可能具体写法上要做一些修改，比如方法1和2要修改max算法，方法3要自己实现一个返回index的方法。 不管怎样，groupby之后，每个分组都是一个dataframe。 以上这篇pandas获取groupby分组里最大值所在的行方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持中文源码网。