这与我之前问过的一个问题类似,但完全不同,因为当数据分组时,解决方案不起作用:
给出一些数据:
import pandas as pd
import numpy as np
import datetime
data = {'group':['a', 'a', 'a','b','a', 'b'],
'value': [1,2,3,4,3,5], 'names': ['joe', 'bob', 'greg','joe', 'bob', 'greg'],
'dates': ['2015-01-01', '2015-01-02', '2015-01-03', '2015-01-03', '2015-01-04', '2015-01-04']}
df = pd.DataFrame(data=data, columns=["group", "value", "names"],
index=pd.to_datetime(data['dates']))
给出:
^{pr2}$我希望得到:
group value names
2015-01-01 a 2 bob
2015-01-03 a 3 bob
2015-01-03 b 5 greg
因此,将数据分组,按2天(“2D”)重新采样,然后收集与最大“值”相对应的名称 我尝试了以下错误:
(df.groupby('group').resample('2D')[['value']].idxmax()
.assign(names=lambda x: df.loc[x.value]['names'].values,
value=lambda x: df.loc[x.value]['value'].values)
)
分组后可以使用
apply
对值进行排序,按值命名列,然后取第一行。在这与使用重采样相同
^{pr2}$相关问题 更多 >
编程相关推荐