我正试图操作我的数据帧，类似于使用SQL窗口函数。考虑以下样本集：
import pandas as pd
df = pd.DataFrame({'fruit' : ['apple', 'apple', 'apple', 'orange', 'orange', 'orange', 'grape', 'grape', 'grape'],
'test' : [1, 2, 1, 1, 2, 1, 1, 2, 1],
'analysis' : ['full', 'full', 'partial', 'full', 'full', 'partial', 'full', 'full', 'partial'],
'first_pass' : [12.1, 7.1, 14.3, 19.1, 17.1, 23.4, 23.1, 17.2, 19.1],
'second_pass' : [20.1, 12.0, 13.1, 20.1, 18.5, 22.7, 14.1, 17.1, 19.4],
'units' : ['g', 'g', 'g', 'g', 'g', 'g', 'g', 'g', 'g'],
'order' : [2, 1, 3, 2, 1, 3, 3, 2, 1]})
+--------+------+----------+------------+-------------+-------+-------+
|水果|测试|分析|第一个|通过|第二个|通过|顺序|单位|
+--------+------+----------+------------+-------------+-------+-------+
|苹果| 1 |全| 12.1 | 20.1 | 2 | g|
|苹果| 2 |全| 7.1 | 12.0 | 1 | g|
|苹果| 1 |部分| 14.3 | 13.1 | 3 | g|
|橙色| 1 |满| 19.1 | 20.1 | 2 | g|
|橙色| 2 |满| 17.1 | 18.5 | 1 | g|
|橙色| 1 |部分| 23.4 | 22.7 | 3 | g|
|葡萄| 1 |全| 23.1 | 14.1 | 3 | g|
|葡萄| 2 |全| 17.2 | 17.1 | 2 | g|
|葡萄| 1 |部分| 19.1 | 19.4 | 1 | g|
+--------+------+----------+------------+-------------+-------+-------+
我想添加几列：
一个布尔列，指示该测试和分析的第二个通过值是否在所有水果类型中最高。
另一列列出每个测试和分析组合的第二个通过值最高的水果。
使用这个逻辑，我想得到下表：
+--------+------+----------+------------+-------------+-------+-------+---------+---------------------+
|水果|测试|分析|第一|通过|第二|通过|顺序|单位|最高|最高|水果|
+--------+------+----------+------------+-------------+-------+-------+---------+---------------------+
|苹果| 1 |全| 12.1 | 20.1 | 2 | g |真|[“苹果”，“橙色”]|
|苹果| 2 |全| 7.1 | 12.0 | 1 | g |假|[“橙色”]|
|苹果| 1 |部分| 14.3 | 13.1 | 3 | g |假|[“橙色”]|
|橙色| 1 |满| 19.1 | 20.1 | 2 | g |真|[“苹果”，“橙色”]|
|橙色| 2 |满| 17.1 | 18.5 | 1 | g |真|[“橙色”]|
|橙色| 1 |部分| 23.4 | 22.7 | 3 | g |真|[“橙色”]|
|葡萄| 1 |全| 23.1 | 22.1 | 3 | g |假|[“橙色”]|
|葡萄| 2 |全| 17.2 | 17.1 | 2 | g |假|[“橙色”]|
|葡萄| 1 |部分| 19.1 | 19.4 | 1 | g |假|[“橙色”]|
+--------+------+----------+------------+-------------+-------+-------+---------+---------------------+
我是熊猫的新手，所以我肯定我遗漏了一些很简单的东西。
最佳答案
您可以返回boolean值，其中second_pass等于groupmax，因为idxmax只返回max的第一次出现：
df['highest'] = df.groupby(['test', 'analysis'])['second_pass'].transform(lambda x: x == np.amax(x)).astype(bool)
然后使用
np.where捕获具有fruitgroup的所有max值，并将结果merge捕获到您的DataFrame中，如下所示：highest_fruits = df.groupby(['test', 'analysis']).apply(lambda x: [f for f in np.where(x.second_pass == np.amax(x.second_pass), x.fruit.tolist(), '').tolist() if f!='']).reset_index()
df =df.merge(highest_fruits, on=['test', 'analysis'], how='left').rename(columns={0: 'highest_fruit'})
最后，对于您的后续行动：
first_pass = df.groupby(['test', 'analysis']).apply(lambda x: {fruit: x.loc[x.fruit==fruit, 'first_pass'] for fruit in x.highest_fruit.iloc[0]}).reset_index()
df =df.merge(first_pass, on=['test', 'analysis'], how='left').rename(columns={0: 'first_pass_highest_fruit'})
得到：
analysis first_pass fruit order second_pass test units highest \
0 full 12.1 apple 2 20.1 1 g True
1 full 7.1 apple 1 12.0 2 g False
2 partial 14.3 apple 3 13.1 1 g False
3 full 19.1 orange 2 20.1 1 g True
4 full 17.1 orange 1 18.5 2 g True
5 partial 23.4 orange 3 22.7 1 g True
6 full 23.1 grape 3 14.1 1 g False
7 full 17.2 grape 2 17.1 2 g False
8 partial 19.1 grape 1 19.4 1 g False
highest_fruit first_pass_highest_fruit
0 [apple, orange] {'orange': [19.1], 'apple': [12.1]}
1 [orange] {'orange': [17.1]}
2 [orange] {'orange': [23.4]}
3 [apple, orange] {'orange': [19.1], 'apple': [12.1]}
4 [orange] {'orange': [17.1]}
5 [orange] {'orange': [23.4]}
6 [apple, orange] {'orange': [19.1], 'apple': [12.1]}
7 [orange] {'orange': [17.1]}
8 [orange] {'orange': [23.4]}
关于python - Pandas DataFrame窗口功能，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/34735915/