在groupby（）。最大（x）操作后切片原始df [英] slice original df after groupby().nlargest(x) operation
问题描述
groupby（）和 nlargest（）存在问题此处和此处。我试图解决这些问题。注意：为简单起见，我使用了 nlargest（1），但是，它可以是任意数量的选择。
{'city1'：{0：'Chicago'，
1：'Chicago'，
2：'芝加哥'，
3：'芝加哥'，
4：'迈阿密'，
5：'休斯敦'，
6：'奥斯汀'}，
'city2'：{0：'多伦多'，
1：'底特律'，
2：'St.Louis'，
3：'迈阿密'，
4： 'Dallas'，
5：'Dallas'，
6：'Dallas'}，
'p234_r_c'：{0：5.0,1：4.0,2：2.0,3：0.5， 4：1.0,5：4.0,6：3.0}，
'plant1_type'：{0：'COMBCYCL'，
1：'COMBCYCL'，
2：'NUKE'，
3：'COAL'，
4：'NUKE'，
5：'COMBCYCL'，
6：'COAL'}，
'plant2_type'：{0： '煤'，
1：'煤'，
2：'COMBCYCL'，
3：'COMBCYCL'，
4：'煤'，
5： 'NUKE'，
6：'NUKE'，}}
cols2 = ['city1'， plant1_type'，'plant2_type']
df.loc [df2.groupby（cols2）['p234_r_c']。nlargest（1）.reset_index（）。level_3]
city1 city2 p234_r_c plant1_type plant2_type
6 Austin Dallas 3.0 COAL NUKE
3芝加哥迈阿密0.5 COAL COMBCYCL
0芝加哥多伦多5.0 COMBCYCL煤炭
2芝加哥圣路易斯2.0 NUKE COMBCYCL
5休斯顿达拉斯4.0 COMBCYCL NUKE
4迈阿密达拉斯1.0 NUKE COAL
以上看起来不错
b）groupby
city2 并返回从原始df中选择的行由于#A中使用的代码在尝试groupby city2 时会生成伪造结果，因此建议采取以下解决方法：
cols = ['city2'，'plant1_type'，'plant2_type']
df.set_index（cols）.groupby（level = cols）['p234_r_c '] .nlargest（1）
city2 plant1_type plant2_type
多伦多COMBCYCL COAL 5.0
底特律COMBCYCL COAL 4.0
St.Louis NUKE COMBCYCL 2.0
迈阿密煤炭公司0.5
达拉斯NUKE COAL 1.0
COMBCYCL NUKE 4.0
COAL NUKE 3.0
现在我该如何使用这个结果来返回从原来的df中选择行，就像我在#A中所做的那样？
注意：原来的df有一个额外的行， groupby.nlargest（）对于 city2 有至少一个组的大小大于1的组， code> #A 可用于 #B 。
除非我错过了一些东西（我同意这里有潜伏在熊猫代码中的错误），我们可以相对简单地绕过任何困难。
Met的hod＃1：使用 loc 和 idxmax ：
在[21]中：df.loc [df.groupby（cols2）[p234_r_c]。idxmax（）]
Out [21]：
city1 city2 p234_r_c plant1_type plant2_type
6奥斯汀达拉斯3.0 COAL NUKE
3芝加哥迈阿密0.5 COAL COMBCYCL
0芝加哥多伦多5.0 COMBCYCL煤炭
2芝加哥圣路易斯2.0 NUKE COMBCYCL
5休斯顿达拉斯4.0 COMBCYCL NUKE
4迈阿密达拉斯1.0 NUKE COAL
在[22]：df.loc [df.groupby（cols）[p234_r_c]。idxmax（）]
出[22]：
city1 city2 p234_r_c plant1_type plant2_type
6奥斯汀达拉斯3.0 COAL NUKE
5休斯敦达拉斯4.0 COMBCYCL NUKE
4迈阿密达拉斯1.0 NUKE COAL
1芝加哥底特律4.0 COMBCYCL煤炭
3芝加哥迈阿密0.5煤炭COMBCYCL
2 Chicago St.Louis 2.0 NUKE COMBCYCL
0芝加哥多伦多5.0 COMBCYCL煤炭
<方法2：按 p234_r_c 进行排序，并使用上一个：
In [17]：df.sort_values（p234_r_c）。groupby（cols2，as_index = False）.last（）
Out [17]：
city1 plant1_type plant2_type city2 p234_r_c
0 Austin COAL NUKE达拉斯3.0
1芝加哥COAL COMBCYCL迈阿密0.5
2芝加哥COMBCYCL COAL多伦多5.0
3芝加哥NUKE COMBCYCL St.Louis 2.0
4休斯敦COMBCYCL NUKE达拉斯4.0
迈阿密NUKE COAL达拉斯1.0
在[18]：df.sort_values（p234_r_c）。groupby（cols，as_index = False）。 last（）
Out [18]：
city2 plant1_type plant2_type city1 p234_r_c
0 Dallas Coal NUKE Austin 3.0
1达拉斯COMBCYCL NUKE休斯敦4.0
2达拉斯NUKE COAL迈阿密1.0
3底特律COMBCYCL COAL芝加哥4.0
4迈阿密煤炭COMBCYCL芝加哥0.5
5 St.Louis NUKE COMBCYCL芝加哥2.0
6 Toronto COMBCYCL COAL芝加哥5.0
如果你想要为了能够获得多种回应，而最小和最小的数据都被破坏了，我认为最简单的方法是排序然后使用头部或尾部。例如：
在[27]中：df.sort_values（p234_r_c）。groupby（cols，as_index = False）。尾巴（2）
出库[27]：
city1 city2 p234_r_c plant1_type plant2_type
3芝加哥迈阿密0.5煤矿开采
4迈阿密达拉斯1.0 NUKE煤矿
2芝加哥街路易斯2.0 NUKE COMBCYCL
6奥斯汀达拉斯3.0 COAL NUKE
1芝加哥底特律4.0 COMBCYCL煤炭
5休斯顿达拉斯4.0 COMBCYCL NUKE
0芝加哥多伦多5.0 COMBCYCL煤炭
Given the problems with groupby() and nlargest() as described here and here. I am trying to work around the problems.
Note: for simplicity I used nlargest(1), however, it could be any number of selections.
{'city1': {0: 'Chicago',
1: 'Chicago',
2: 'Chicago',
3: 'Chicago',
4: 'Miami',
5: 'Houston',
6: 'Austin'},
'city2': {0: 'Toronto',
1: 'Detroit',
2: 'St.Louis',
3: 'Miami',
4: 'Dallas',
5: 'Dallas',
6: 'Dallas'},
'p234_r_c': {0: 5.0, 1: 4.0, 2: 2.0, 3: 0.5, 4: 1.0, 5: 4.0, 6: 3.0},
'plant1_type': {0: 'COMBCYCL',
1: 'COMBCYCL',
2: 'NUKE',
3: 'COAL',
4: 'NUKE',
5: 'COMBCYCL',
6: 'COAL'},
'plant2_type': {0: 'COAL',
1: 'COAL',
2: 'COMBCYCL',
3: 'COMBCYCL',
4: 'COAL',
5: 'NUKE',
6: 'NUKE',}}
A) groupby city1 and return rows selected from original df
cols2 = ['city1','plant1_type','plant2_type']
df.loc[df2.groupby(cols2)['p234_r_c'].nlargest(1).reset_index().level_3]
city1 city2 p234_r_c plant1_type plant2_type
6 Austin Dallas 3.0 COAL NUKE
3 Chicago Miami 0.5 COAL COMBCYCL
0 Chicago Toronto 5.0 COMBCYCL COAL
2 Chicago St.Louis 2.0 NUKE COMBCYCL
5 Houston Dallas 4.0 COMBCYCL NUKE
4 Miami Dallas 1.0 NUKE COAL
The above looks good
B) groupby city2 and return rows selected from original df
Since the same code used in #A generates a bogus result if attempted for groupby of city2, a workaround was suggested to do the following:
cols = ['city2','plant1_type','plant2_type']
df.set_index(cols).groupby(level=cols)['p234_r_c'].nlargest(1)
city2 plant1_type plant2_type
Toronto COMBCYCL COAL 5.0
Detroit COMBCYCL COAL 4.0
St.Louis NUKE COMBCYCL 2.0
Miami COAL COMBCYCL 0.5
Dallas NUKE COAL 1.0
COMBCYCL NUKE 4.0
COAL NUKE 3.0
Now how do I use this result to return the rows selected from the original df as I did in #A?
Note: had the original df had an additional row that made the result of groupby.nlargest() for city2 have groups where at least one group had size greater than 1 then the code in #A can be used for #B.
Unless I'm missing something (and I agree there are bugs lurking in the pandas code here), we can bypass any difficulties relatively simply.
Method #1: use loc and idxmax:
In [21]: df.loc[df.groupby(cols2)["p234_r_c"].idxmax()]
Out[21]:
city1 city2 p234_r_c plant1_type plant2_type
6 Austin Dallas 3.0 COAL NUKE
3 Chicago Miami 0.5 COAL COMBCYCL
0 Chicago Toronto 5.0 COMBCYCL COAL
2 Chicago St.Louis 2.0 NUKE COMBCYCL
5 Houston Dallas 4.0 COMBCYCL NUKE
4 Miami Dallas 1.0 NUKE COAL
In [22]: df.loc[df.groupby(cols)["p234_r_c"].idxmax()]
Out[22]:
city1 city2 p234_r_c plant1_type plant2_type
6 Austin Dallas 3.0 COAL NUKE
5 Houston Dallas 4.0 COMBCYCL NUKE
4 Miami Dallas 1.0 NUKE COAL
1 Chicago Detroit 4.0 COMBCYCL COAL
3 Chicago Miami 0.5 COAL COMBCYCL
2 Chicago St.Louis 2.0 NUKE COMBCYCL
0 Chicago Toronto 5.0 COMBCYCL COAL
Method #2: sort by p234_r_c and use last:
In [17]: df.sort_values("p234_r_c").groupby(cols2, as_index=False).last()
Out[17]:
city1 plant1_type plant2_type city2 p234_r_c
0 Austin COAL NUKE Dallas 3.0
1 Chicago COAL COMBCYCL Miami 0.5
2 Chicago COMBCYCL COAL Toronto 5.0
3 Chicago NUKE COMBCYCL St.Louis 2.0
4 Houston COMBCYCL NUKE Dallas 4.0
5 Miami NUKE COAL Dallas 1.0
In [18]: df.sort_values("p234_r_c").groupby(cols, as_index=False).last()
Out[18]:
city2 plant1_type plant2_type city1 p234_r_c
0 Dallas COAL NUKE Austin 3.0
1 Dallas COMBCYCL NUKE Houston 4.0
2 Dallas NUKE COAL Miami 1.0
3 Detroit COMBCYCL COAL Chicago 4.0
4 Miami COAL COMBCYCL Chicago 0.5
5 St.Louis NUKE COMBCYCL Chicago 2.0
6 Toronto COMBCYCL COAL Chicago 5.0
If you want to be able to get multiple responses as well, while nlargest and nsmallest are broken, I think it's simplest to sort and then use head or tail. For example:
In [27]: df.sort_values("p234_r_c").groupby(cols, as_index=False).tail(2)
Out[27]:
city1 city2 p234_r_c plant1_type plant2_type
3 Chicago Miami 0.5 COAL COMBCYCL
4 Miami Dallas 1.0 NUKE COAL
2 Chicago St.Louis 2.0 NUKE COMBCYCL
6 Austin Dallas 3.0 COAL NUKE
1 Chicago Detroit 4.0 COMBCYCL COAL
5 Houston Dallas 4.0 COMBCYCL NUKE
0 Chicago Toronto 5.0 COMBCYCL COAL
这篇关于在groupby（）。最大（x）操作后切片原始df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！
