在多级索引数据框中找到某一列的最大值并返回所有值。

Question

数据集的可重复代码：

df = {'player' : ['a','a','a','a','a','a','a','a','a','b','b','b','b','b','b','b','b','b','c','c','c','c','c','c','c','c','c'],
      'week' : ['1','1','1','2','2','2','3','3','3','1','1','1','2','2','2','3','3','3','1','1','1','2','2','2','3','3','3'],
      'category': ['RES','VIT','MATCH','RES','VIT','MATCH','RES','VIT','MATCH','RES','VIT','MATCH','RES','VIT','MATCH','RES','VIT','MATCH','RES','VIT','MATCH','RES','VIT','MATCH','RES','VIT','MATCH'],
      'energy' : [75,54,87,65,24,82,65,42,35,25,45,87,98,54,82,75,54,87,65,24,82,65,42,35,25,45,98] }

df = pd.DataFrame(data= df)
df = df[['player', 'week', 'category','energy']]

我需要找到“对于每个球员，找到他的能量最大的那一周，并显示所有类别、该周的能量值”。

所以我做了以下操作：

1.将球员和周设置为索引

2.遍历索引以找到能量的最大值并返回其值

df = df.set_index(['player', 'week'])

for index, row in df1.iterrows():
    group = df1.ix[df1['energy'].idxmax()]

输出结果：

                category energy
  player   week     
    b        2    RES      98
             2    VIT      54
             2   MATCH     82

这个输出结果是针对整个数据集中最大的能量值，我希望得到每个玩家在该周内所有其他类别下的最大能量值。

预期输出：

我尝试了评论区提到的groupby方法，

df.groupby(['player','week'])['energy'].max().groupby(level=['player','week'])

获得的输出为：

                energy  category
 player week        
   a     1        87    VIT
         2        82    VIT
         3        65    VIT
   b     1        87    VIT
         2        98    VIT
         3        87    VIT
   c     1        82    VIT
         2        65    VIT
         3        98    VIT

- vishnu prashanth

---

你尝试过按周分组并取最大能量吗？ - FadeoN

我尝试了 df.groupby(by=['player','week'])['energy','category'].max()，但它没有给我预期的输出。 - vishnu prashanth

@cmaher 我已经尝试了那个解决方案，但它没有给我预期的输出。它返回整个数据集的最大值，这是我能够得到的。但我正在尝试找到每个玩家的最大值，并找到发生最大值的周，并返回该周的所有数据。 - vishnu prashanth

Answer 1

找到每个玩家的最高能量周，然后为该玩家选择该周，并将结果连接起来。

max_energy_idx = df.groupby('player')['energy'].idxmax()  # 2, 12, 26
max_energy_weeks = df['week'].iloc[max_energy_idx]  # '1', '2', '3'
players = sorted(df['player'].unique())  # 'a', 'b', 'c'

result = pd.concat(
    [df.loc[(df['player'] == player) & (df['week'] == max_enery_week), :] 
     for player, max_enery_week in zip(players, max_energy_weeks)]
)
>>> result
   player week category  energy
0       a    1      RES      75
1       a    1      VIT      54
2       a    1    MATCH      87
12      b    2      RES      98
13      b    2      VIT      54
14      b    2    MATCH      82
24      c    3      RES      25
25      c    3      VIT      45
26      c    3    MATCH      98

如果需要的话，您可以在结果上设置索引：

result = result.set_index(['player', 'week'])

- Alexander

---

非常好，@Alexander。正是我正在寻找的。我从未想过这样做。非常感谢您的解释。非常感激 :) - vishnu prashanth

Answer 2

如果您使用原始索引（即在设置多重索引之前）的 df，您可以通过使用内连接和 .merge 在一行中得到您的结果：

df.merge(df.loc[df.groupby('player').energy.idxmax(), ['player', 'week']])

#   player week category  energy
# 0      a    1      RES      75
# 1      a    1      VIT      54
# 2      a    1    MATCH      87
# 3      b    2      RES      98
# 4      b    2      VIT      54
# 5      b    2    MATCH      82
# 6      c    3      RES      25
# 7      c    3      VIT      45
# 8      c    3    MATCH      98

- cmaher

---

这个解决方案更加简洁。 - Alexander

Answer 3

另外一种不需要使用concat的解决方案：

idx = df.groupby('player')['energy'].idxmax() 

coord = df.iloc[idx]

coord
player  week    category    energy
2   a   1   MATCH   87
12  b   2   RES 98
26  c   3   MATCH   98


df.set_index(['player', 'week']).loc[(df.iloc[idx].set_index(['player', 'week']).index)]
category    energy
player  week        
a   1   RES 75
    1   VIT 54
    1   MATCH   87
b   2   RES 98
    2   VIT 54
    2   MATCH   82
c   3   RES 25
    3   VIT 45
    3   MATCH   98

- Zeugma

---

这个解决方案也非常完美，而且更加简单。感谢@Boud。 - vishnu prashanth