Groupby最大值并在pandas数据框中返回对应的行 [英] Groupby max value and return corresponding row in pandas dataframe

问题描述

我的数据框由学生，日期和考试成绩组成.我想找到每个学生的最长时间，然后返回相应的行(最后，我对学生的最新成绩最感兴趣).我怎么能在熊猫里做到这一点?

My dataframe consists of students, dates, and test scores. I want to find the max date for each student and return the corresponding row (ultimately, I am most interested in the student's most recent score). How could I do this in pandas?

假设我的数据框如下所示(缩写版本):

Let's say my dataframe looks like this (an abbreviated version):

Student_id  Date     Score
Tina1       1/17/17   .95
John2       1/18/17   .8
Lia1        12/13/16  .845
John2       1/25/17   .975
Tina1       1/1/17    .78
Lia1        6/12/16   .89

这就是我想要的:

Student_id  Date     Score
Tina1       1/17/17   .95
Lia1        12/13/16  .845
John2       1/25/17   .975

我在SO上发现了这一点，但它给了我一个位置索引器出界错误.

I found this on SO but it gives me a positional indexers out-of-bounds error.

df.iloc[df.groupby('student_id').apply(lambda x: x['date'].idxmax())]

还有什么其他方法可以实现同一目标?

What are other approaches to achieve the same thing?

推荐答案

您可以按日期对数据框进行排序，然后使用groupby.tail获取最新记录:

You can sort the data frame by Date and then use groupby.tail to get the most recent record:

df.iloc[pd.to_datetime(df.Date, format='%m/%d/%y').argsort()].groupby('Student_id').tail(1)

#Student_id     Date    Score
#2     Lia1 12/13/16    0.845
#0    Tina1  1/17/17    0.950
#3    John2  1/25/17    0.975

或避免排序，请使用idxmax(如果您没有重复的索引，则可以使用此功能):

Or avoid sorting, use idxmax (this works if you don't have duplicated index):

df.loc[pd.to_datetime(df.Date, format='%m/%d/%y').groupby(df.Student_id).idxmax()]

# Student_id       Date Score
#3     John2    1/25/17 0.975
#2      Lia1   12/13/16 0.845
#0     Tina1    1/17/17 0.950

这篇关于Groupby最大值并在pandas数据框中返回对应的行的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！