我有这样一个数据集:
user-id time location msg path
1 1 1 1 0
2 1 1 2 1000
3 1 2 3 1
4 1 2 0 0
5 1 3 0 0
1 2 2 2 0
2 2 1 1 1
3 2 1 1 1
4 2 0 0 0
5 2 0 0 0
1 3 1 3 0
2 3 3 1 0
我想根据最大消息数找到两条记录的时间和位置相同的路径。
time_locs = pd.unique(df['time_loc'])
for time_loc in time_locs:
dc_group = df[df['time_loc'] == time_loc]
if(len(dc_group) > 1):
max_num_msg = max(dc_group['msgs'])
所以我将时间和位置压缩为 time_loc 并找到了最大消息数。现在我怎样才能找到那一行的路径?
例如,在这种情况下,我的第一个 dc-group 是这两行:
user-id time location msg path
1 1 1 1 0
2 1 1 2 1000
我想找到 1000 个。
我试过这段代码,但它不起作用。
user_group = df.loc[max(dc_group['msgs']), 'path']
因为是在所有df中搜索。并且 .loc 不适用于 dc_group,这意味着此代码面临错误:
user_group = dc_group.loc[max(dc_group['msgs']), 'path']
请您参考如下方法:
您肯定想在这里使用非循环方法。您可以使用 .argmax 获取最大值的索引而不是值本身。像这样的东西:
In [15]: df
Out[15]:
user-id time location msg path
0 1 1 1 1 0
1 2 1 1 1 0
2 3 1 2 0 0
3 4 1 2 0 0
4 5 1 3 0 0
5 1 2 2 2 0
6 2 2 1 1 0
7 3 2 1 1 0
8 4 2 0 0 0
9 5 2 0 0 0
10 1 3 1 3 0
11 2 3 3 1 0
In [16]: df.loc[df.time == df.location, 'msg'].argmax()
Out[16]: 5
In [17]: max_idx = df.loc[df.time == df.location, 'msg'].argmax()
In [18]: df.loc[max_idx]
Out[18]:
user-id 1
time 2
location 2
msg 2
path 0
Name: 5, dtype: int64
In [19]: df.loc[max_idx, 'path']
Out[19]: 0
如果你想要所有的行,那么就使用 bool 索引:
In [25]: df.loc[df.time == df.location]
Out[25]:
user-id time location msg path
0 1 1 1 1 0
1 2 1 1 1 0
5 1 2 2 2 0
11 2 3 3 1 0
或者 .query 如果你愿意的话:
In [26]: df.query('time == location')
Out[26]:
user-id time location msg path
0 1 1 1 1 0
1 2 1 1 1 0
5 1 2 2 2 0
11 2 3 3 1 0
