具有多列的熊猫每组的最大值/为啥它仅在展平时才有效？

Posted 2023-03-12

【中文标题】具有多列的熊猫每组的最大值/为啥它仅在展平时才有效？

【英文标题】：pandas largest value per group with multi columns / why does it only work when flattening?具有多列的熊猫每组的最大值/为什么它仅在展平时才有效？

【发布时间】：2021-01-08 07:06:42

【问题描述】：

对于熊猫数据框：

import pandas as pd

df = pd.DataFrame(
    'id': [1, 1, 2, 1], 'anomaly_score':[5, 10, 8, 100], 'match_level_0':[np.nan, 1, 1, 1], 'match_level_1':[np.nan, np.nan, 1, 1], 'match_level_2':[np.nan, 1, 1, 1]
)
display(df)
df = df.groupby(['id', 'match_level_0']).agg(['mean', 'sum'])

我想计算每组的最大行数。

df.columns = ['__'.join(col).strip() for col in df.columns.values]
df.groupby(['id'])['anomaly_score__mean'].nlargest(2)

有效，但需要展平列的多索引。

我想直接使用，

df.groupby(['id'])[('anomaly_score', 'mean')].nlargest(2)

但是由于找不到密钥而失败。 有趣的是，它在不分组时工作得很好：

df[('anomaly_score', 'mean')].nlargest(2)

【参考方案1】：

对我来说，Series 与MultiIndex 的第一级工作分组，但似乎错误为什么不能像您的解决方案那样工作：

print (df[('anomaly_score', 'mean')].groupby(level=0).nlargest(2))
id  match_level_0
1   1.0              55
2   1.0               8
Name: (anomaly_score, mean), dtype: int64

print (df[('anomaly_score', 'mean')].groupby(level='id').nlargest(2))