pandas分组求排序取最大所在行

发表于 | 分类于 ，

前段时间有个需求，求iPad所有版本中，数量最多的前五个，并且剩下的的作为其他，刚开始接触pandas还是觉得挺复杂的，后来又有类似的需求，所以总结一下以便之后使用。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
import pandas as pd
from pandas import DataFrame

df = pd.DataFrame({
    'flag': ['a', 'b', 'c', 'd', 'e', 'f'],
    'class': ['class1', 'class1', 'class2', 'class2', 'class2', 'class3'],
    'no': [1, 2, 3, 4, 5, 6],
    'grade': [93, 92, 95, 100, 100, 96]})

df
"""
Out[11]:
    class flag  grade  no
0  class1    a     93   1
1  class1    b     92   2
2  class2    c     95   3
3  class2    d    100   4
4  class2    e    100   5
5  class3    f     96   6
"""

目的：按照class分组，取出grade最大的那行

方式1: 在分组中过滤出最大的行

1
2
3
4
5
6
7
8
9
10
11
12
df.groupby('class')\
    .apply(lambda x: x[x['grade'] == x['grade'].max()])

"""
Out[10]:
           class flag  grade  no
class
class1 0  class1    a     93   1
class2 3  class2    d    100   4
       4  class2    e    100   5
class3 5  class3    f     96   6
"""

方式2: 先排好序，然后每组取第一个

1
2
3
4
5
6
7
8
9
10
11
12
13

df.sort_values(['grade'], ascending=False)\
    .groupby('class')\
    .first()

"""
Out[21]:
       flag  grade  no
class
class1    a     93   1
class2    d    100   4
class3    f     96   6
"""

方式3: idxmax

1
2
3
4
5
6
7
8
9
10
11
12
df.iloc[df.groupby('class').grade.idxmax()]

# 思考 iloc 和 loc 的区别？
df.loc[df.groupby('class').grade.idxmax()]

"""
Out[17]:
    class flag  grade  no
0  class1    a     93   1
3  class2    d    100   4
5  class3    f     96   6
"""

注：

  • 方式1与其他两个区别，最大值有重复的，方式1会都取出来，而其他的只取一条
  • 思考 方式2中 iloc 和 loc 的区别
  • 思考 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？
  • 对于方式1， 如果取最大的前3行，可以使用 head(3) 代替 first()