Skip to main content
 首页 » 编程设计

python之groupby 两列中的公共(public)值

2024年10月25日7kenshinobiy

我需要从两列中具有公共(public)值的行对中提取公共(public)最大值。

共同点是 A 列和 B 列中的值。第 0 行和第 1 行是共同的,第 2 行和第 3 行是共同的,第 4 行是独立的。

f = DataFrame([[1, 2, 30], [2, 1, 20], [2, 6, 15], [6, 2, 70], [7, 10, 35]], columns=['A', 'B', 'Value']) 
f 
   A   B  Value 
0  1   2     30 
1  2   1     20 
2  2   6     15 
3  6   2     70 
4  7  10     35 

目标是提取最大值,所以最终结果是:

f_final = DataFrame([[1, 2, 30, 30], [2, 1, 20, 30], [2, 6, 15, 70], [6, 2, 70, 70], [7, 10, 35, 35]], columns=['A', 'B', 'Value', 'Max']) 
f_final 
 
   A   B  Value  Max 
0  1   2     30   30 
1  2   1     20   30 
2  2   6     15   70 
3  6   2     70   70 
4  7  10     35   35 

如果有办法分配一个通用的、非重复的 key ,我可以这样做:

f_key = DataFrame([[1, 1, 2, 30], [1, 2, 1, 20], [2, 2, 6, 15], [2, 6, 2, 70], [3, 7, 10, 35]], columns=['key', 'A', 'B', 'Value']) 
f_key 
 
   key  A   B  Value 
0    1  1   2     30 
1    1  2   1     20 
2    2  2   6     15 
3    2  6   2     70 
4    3  7  10     35 

跟进 groupby 和转换:

f_key['Max'] = f_key.groupby(['key'])['Value'].transform(lambda x: x.max()) 
f_key.drop('key', 1, inplace=True) 
f_key 
 
   A   B  Value  Max 
0  1   2     30   30 
1  2   1     20   30 
2  2   6     15   70 
3  6   2     70   70 
4  7  10     35   35 

问题一: 如何分配这个公共(public) key ?

问题二: 有没有更好的方法,跳过常见的关键步骤

干杯...

请您参考如下方法:

您可以对 A 和 B 列中的值进行排序,以便对于每一行,A 中的值小于或等于B 中的值。一旦对值进行排序,您就可以像往常一样应用 groupby-transform-max:

import pandas as pd 
df = pd.DataFrame([[1, 2, 30], [2, 1, 20], [2, 6, 15], [6, 2, 70], [7, 10, 35]], 
                  columns=['A', 'B', 'Value']) 
mask = df['A'] > df['B'] 
df.loc[mask, ['A','B']] = df.loc[mask, ['B','A']].values 
df['Max'] = df.groupby(['A', 'B'])['Value'].transform('max') 
 
print(df) 

产量

   A   B  Value  Max 
0  1   2     30   30 
1  1   2     20   30 
2  2   6     15   70 
3  2   6     70   70 
4  7  10     35   35 

即使 A 和 B 中的值是字符串,上述方法仍然有效。例如,

df = DataFrame([['ab', 'ac', 30], ['ac', 'ab', 20], 
                 ['cb', 'ca', 15], ['ca', 'cb', 70], 
                 ['ff', 'zz', 35]], columns=['A', 'B', 'Value']) 
 
mask = df['A'] > df['B'] 
df.loc[mask, ['A','B']] = df.loc[mask, ['B','A']].values 
df['Max'] = df.groupby(['A', 'B'])['Value'].transform('max') 

产量

In [267]: df 
Out[267]:  
    A   B  Value  Max 
0  ab  ac     30   30 
1  ab  ac     20   30 
2  ca  cb     15   70 
3  ca  cb     70   70 
4  ff  zz     35   35