基于组属性过滤数据帧

Question

假设我们有问题跟踪日志，我们想找出问题所有者（记录问题时间最多的人）

1. 用户可以多次登录同一问题
2. 如果两个用户同时登录，则两个用户都是所有者

我们有一些样本数据：

df = pd.DataFrame([
        [1, 10, 'John'],
        [1, 20, 'John'],
        [1, 30, 'Tom'],
        [1, 10, 'Bob'],
        [2, 25, 'John'],
        [2, 15, 'Bob']], columns = ['IssueKey','TimeSpent','User'])

作为输出，我们需要如下内容：

issues_owners = pd.DataFrame([
        [1, 30, 'John'],
        [1, 30, 'Tom'],
        [2, 25, 'John']], columns = ['IssueKey','TimeSpent','User'])

1. 约翰和汤姆都是第1期的所有者，因为他们都花了30分钟。你知道吗
2. 约翰实际上在两个不同的日子里研究了问题1
3. 约翰也是这个问题的所有者2
4. 鲍勃很懒，没有任何问题：）

我想到的感觉非常恶心（我对Python比较陌生）：

df = df.groupby(['IssueKey', 'User']).sum().reset_index()
maxTimesPerIssue = df.groupby('IssueKey')['TimeSpent'].max().reset_index()
maxTimesPerIssue = dict(zip(maxTimesPerIssue['IssueKey'], maxTimesPerIssue['TimeSpent']))
df['MaxTimePerIssue'] = [maxTimesPerIssue[key] for key in df['IssueKey']]
df = df[df.MaxTimePerIssue == df.TimeSpent]
df = df.drop(columns=['MaxTimePerIssue'])   

我不喜欢Python代码的地方：

1. maxTimesPerIssue出现在处理df中断思维过程（或管道）的过程中
2. 创建maxTimesPerIssue本身有点混乱
3. 把MaxTimePerIssue加到df
4. 由于使用了大量的底层内容，例如：reset_index()、list()、dict()、列表理解、删除列，因此它肯定没有C版本那么容易解释

有人能帮我打扫一下吗？你知道吗

Answer 1

一些类似于groupby的东西将适用于您的数据：

i = df.groupby(['IssueKey', 'User']).TimeSpent.sum()
j = i.groupby(level=0).transform('max')

i[i == j].reset_index()

   IssueKey  User  TimeSpent
0         1  John         30
1         1   Tom         30
2         2  John         25