基于列中的最大值过滤pandas数据框

Question

我有一个索引中带有重复值的DataFrame。我想将此数据集过滤，只显示每个索引的一个实例，方法是选择索引中不同列中最大值对应的行。例如，我的DataFrame如下所示：

df:

Product ID     Store     Sales
    1            A         50
    1            B        200
    1            C         20
    2            A        400
    2            B         10
    3            A        200
    4            A         50
    4            B        100
    4            C        500

我想把这些数据过滤成这样：

df2:

Product ID     Store     Sales
    1            B        200
    2            A        400
    3            A        200
    4            C        500

任何关于如何在pandas中最好地解决这个问题的想法？非常感谢您的时间。

- wrcobb

Answer 1

您可以按“产品ID”分组，然后在“销售”列上应用idxmax。这将创建一个具有最高值索引的系列。然后，我们可以使用这些索引值使用iloc索引到原始数据帧。

In [201]:

df.iloc[df.groupby('Product ID')['Sales'].agg(pd.Series.idxmax)]
Out[201]:
   Product_ID Store  Sales
1           1     B    200
3           2     A    400
5           3     A    200
8           4     C    500

- EdChum

---

无重复的类似解决方案：df.iloc[df.groupby('Product ID')['Sales'].idxmax().values.ravel()] - TomAugspurger

@TomAugspurger 实际上不需要使用 drop_duplicates，我最初使用的是 transform，但使用 agg 也可以，并且不需要删除重复项。我会更新我的答案。 - EdChum

@TomAugspurger 当我使用 transform 时，它试图将结果与原始 df 对齐，因此重复索引值，因为每个 'Product ID' 都有多个 'Store' 行，这就是为什么我需要 drop_duplicates，但我意识到这是不必要的，因为使用 idxmax 的聚合函数可以很好地工作。 - EdChum