Pandas groupby 顺序值 [英] Pandas groupby sequential values

问题描述

我不知道如何调用这个操作，所以我无法真正用谷歌搜索任何东西，但这是我想要做的:

我有这个数据框:

df = pd.DataFrame({"name": ["A", "B", "B", "B", "A", "A", "B"], "value":[3, 1, 2, 0, 5, 2, 3]})df名称值0 一 31 乙 12 乙 23 乙 04 一个 55 一个 26 乙 3

我想将它分组在 df.name 上，并在 df.values 上应用 max 函数，但前提是名称在顺序.所以我想要的结果如下:

df.groupby_sequence("name")["value"].agg(max)名称值0 一 31 乙 22 一个 53 乙 3

知道怎么做吗?

解决方案

使用pandas，你可以在名称逐行变化时进行分组，使用(df.name!=df.name.shift()).cumsum()，它基本上将连续的名称组合在一起:

<预><代码>>>>df.groupby((df.name!=df.name.shift()).cumsum()).max().reset_index(drop=True)名称值0 一 31 乙 22 一个 53 乙 3

I have no idea how to call this operation, so I couldn't really google anything, but here's what I'm trying to do:

I have this dataframe:

df = pd.DataFrame({"name": ["A", "B", "B", "B", "A", "A", "B"], "value":[3, 1, 2, 0, 5, 2, 3]})
df
  name  value
0    A      3
1    B      1
2    B      2
3    B      0
4    A      5
5    A      2
6    B      3

And I want to group it on df.name and apply a max function on df.values but only if the names are in sequence. So my desired result is as follows:

df.groupby_sequence("name")["value"].agg(max)
  name  value
0    A      3
1    B      2
2    A      5
3    B      3

Any clue how to do this?

解决方案

Using pandas, you can groupby when the name changes from row to row, using (df.name!=df.name.shift()).cumsum(), which essentially groups together consecutive names:

>>> df.groupby((df.name!=df.name.shift()).cumsum()).max().reset_index(drop=True)
  name  value
0    A      3
1    B      2
2    A      5
3    B      3

这篇关于Pandas groupby 顺序值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！